基于BP神经网络的泉州市山美水库降雨径流模拟研究

考虑到降雨-径流的非线性关系的复杂性,同时保证较高的计算时间效率,本研究采用率定—验证同步进行的BP神经网络模型,以降水量、时间、气温、风速、辐射量等5个因子作为输入层变量,以实测流量为训练数据,对泉州市山美水库来水量进行月时间尺度的模拟.并与SWAT分布式水文模型的模拟结果进行比较,以此评价BP神经网络模型模拟降雨径流过程的精确度与可行性.研究结果表明,BP模型模拟结果的误差均在允许范围内且精确度较高,适用于山美水库来水量预测研究.     

HYMOD与改进SCS模型的应用比较研究

简要描述了概念性水文模型HYMOD和改进的SCS模型结构和参数.尝试将HYMOD应用于淮河史灌河水系鲇鱼山水库流域日径流模拟,并与改进的SCS模型的模拟结果进行比较分析.结果表明:对于率定期1975-1985年和检验期1986-1995年,改进的SCS模型的模拟结果都优于HYMOD模型.     

拉萨河流域不同汇流方式的TOPMODEL应用比较研究

应用结合单位线和线性水库汇流改进的TOPMODEL,对拉萨河流域进行水文模拟,并与原TOPMODEL模拟结果进行对比.结果表明,两者都取得了较好的模拟效果,但改进的模型模拟基流更稳定和合理.应用两模型评估拉萨河流域降雨空间差异性对流域径流的影响,改进的模型模拟结果相对稳定.     

拉萨河流域不同汇流方式的TOPMODEL应用比较研究

应用结合单位线和线性水库汇流改进的TOPMODEI,,对拉萨河流域进行水文模拟,并与原TOPM0lDEL模拟结果进行对比.结果表明,两者都取得了较好的模拟效果,但改进的模型模拟基流更稳定和合理.应用两模型评估拉萨河流域降雨空间差异性对流域径流的影响,改进的模型模拟结果相对稳定.     

考虑人类活动影响的流域水文模型参数的确定

结合石头口门水库，详细阐述了考虑人类活动影响流域水文模型参数的确定方法。以时间、累积净雨量和径流修正系数来描述径流的人类活动影响；从调查流域基本情况入手，由人机交互方式模拟确定流域水文模型参数和人类活动影响参数。将人类活动影响纳入流域水文模型参数确定过程中，可更深刻地了解流域水文规律和认识人类活动对径流的影响。     

新安江模型在乌江独木河流域的应用与改进

为了提高新安江模型在喀斯特地区的模拟精度,以贵州独木河流域为研究对象,使用新安江模型对该流域进行了径流模拟研究.根据模拟分析结果和岩溶地区独特的水文特征,提出了改进新安江模型的3种设想,并对第1种设想(3层蒸散发结构改为2层蒸散发结构)进行了验证.对比分析结果表明,改进后模拟结果的平均确定性系数比改进前的高0.02,改进后的新安江模型可供类似地区的径流分析借鉴.     

飞来峡水库入库洪水计算模型探讨

在分析北江流域暴雨洪水特性的基础上,针对飞来峡水库流域洪水的特点和复杂性,采用水文学和水力学相结合的方法,构建了飞来峡水库入库洪水计算的耦合模型,整个模型由区间洪水计算的流域水文模型和河网水力学数学模型组成,模型的计算结果表明,洪水模拟与实测过程拟合较好,精度较高.其成果可作为飞来峡水库入库洪水分析和水库动库调洪计算的基础,为水库防洪调度的设计提供依据.在流域洪水模拟的过程中,采用了移用邻近参证流域资料进行水文参数率定和降雨径流模拟,取得了满意的结果,对无资料区间的洪水计算进行了有益的尝试.     

基于新安江水文模型的东江流域枯水径流模拟

为了探讨新安江流域水文模型模拟流域枯水径流的可行性及精度,采用该模型对东江流域中的4个子流域进行日径流过程模拟.在采用常规的评价指标对模拟结果进行初步分析的基础上,以描述枯水径流特点的枯水特征值,例如连续多日最小平均流量、基流分割结果、枯水期模拟结果和流量历时曲线等为研究对象,探讨该模型模拟枯水径流的能力.4个子流域的研究结果表明,不论对于常规的评价指标,还是枯水特征值,用新安江流域水文模型来模拟枯水期的流量均能达到较高的精度,因此可采用该模型进行东江流域枯水径流的预测.     

基于SWAT模型的柴河水库流域径流模拟研究

SwAT模型能与GIS结合模拟复杂流域不同土地利用条件下的水文和非点源污染过程.采用ArcSWAT对柴河水库流域进行径流模拟,利用2002-2003年的实测水量、降水数据进行参数率定,应用2004-2005年的实测数据进行模型验证.模拟结果表明,SWAT模型在柴河水库流域径流模拟中的适用性和可靠性良好,可为流域水文过程的预测提供可靠的模型基础.     

黑河流域上游山区径流模拟及模型评估

探讨了2个不同复杂程度的水文模型在黑河流域上游山区径流模拟方面的适用性.结果表明,在模拟莺落峡站月流量过程时,集总式水文模型WASMOD能够给出与半分布式水文模型SWAT同等精度的模拟结果.另外,WASMOD还具有所需数据量少、模型参数少、模型结构简单等优势.当然,WASMOD只能在周、月或年尺度上进行模拟,而对于口径流模拟无能为力,且只能模拟流域出口断面的流量过程,对流域内部其他站点的模拟无能为力;SWAT在这些方面具有优势.与其他模型应用结果比较,WASMOD和SWAT都表现出了同样甚至更优的径流模拟性能,能够为研究区域的径流模拟与预报提供良好的手段和工具.     

基于局部权重及阈值调整算法的BP网络预测模型研究

通过对基本BP算法的分析,提出了一种基于局部权重及阈值调整的改进BP算法.结合该改进算法,讨论了在Matlab中创建基于BP网络的交通运输需求预测模型并使用该模型进行预测的过程.同时,将基于局部权重及阈值调整的改进BP算法和加动量项的自适应学习率BP算法的模型的预测效果进行了比较,比较结果表明前者的预测效果优于后者.     

基于BP神经网络的非特定人语音识别算法研究

当前非定特人语音识别算法大多只适于连续语音,且识别精度和速度均较低。为此,提出一种新的基于BP神经网络的非特定人语音识别算法,介绍了标准BP神经网络,针对其收敛速度慢的弊端,通过变化的自适应学习速率,令网络训练针对各种阶段自行设置学习速率值,利用变学习速率构建对应的改进BP神经网络模型,将改进的BP神经网络模型看作识别非特定语音的识别器,输入待识别语音,令累计预测残差达到最小,实现非特定人语音识别。将改进模型应用于非特定人语音识别中进行验证,结果表明所提算法识别率更高、识别速度更快,不仅适于连续语音的识别,也适于不连续语音的识别。     

BP模型在降雨径流预报中的应用研究

简要介绍了人工神经网络用于洪水预报的基本原理,对降雨径流预报的网络模型进行了改进。为了避免陷于局部极小值和缩短学习时间,采用了改进的自适应BP算法进行洪水预报,开发了基于BP模型的洪水预报系统,并经过山西省文峪河水库的实测资料进行了预报,取得了令人满意的精度。     

智能优化算法在复杂模型寻优中的研究

针对建立的钢板轧制过程中的中厚板凸度预报多参数复杂模型,分别采用BP算法、BP改进算法、混沌算法和粒子群算法进行寻优并对结果进行比较。实验结果表明,该模型切实可行,在模型优化中,混沌算法和BP算法寻优速度慢,精度不高,粒子群算法寻优速度和精度均有相应提高,BP改进算法寻优速度和精度均为最优。     

改进粒子群优化BP神经网络的心理压力识别算法

为提高心理压力的识别率,提出一种改进的粒子群优化BP(back propagation)神经网络的压力识别算法。该算法在基本粒子群(particle swarm optimization,PSO)模型的基础上,引入了收缩因子,在收缩因子的作用下,使速度的边界限制消失,选取适当的参数来保证PSO算法的有界和收敛特性,实现对BP神经网络的优化。利用心算任务进行压力诱发,采集高压、低压状态下的心电信号,提取了与心理压力相关的心率变异性特征值,并对特征数据对比分析;建立了心理压力程度的分类模型,通过改进的PSO模型优化BP神经网络以识别心理压力。结果表明:改进的粒子群优化BP神经网络算法与BP神经网络相比收敛速度快、误差小且识别率高,该算法对心理压力的识别率可达94.83%,识别效果优于未优化的BP神经网络算法。     

基于改进天牛群算法优化的BP神经网络的入侵检测

针对传统BP神经网络的入侵检测中,BP神经网络模型存在容易陷入局部最优、收敛速度慢、初始值随机性较大等缺点,本文提出改进天牛群算法(Beetle Swarm Optimization,BSO)用于优化BP神经网络的权值与阈值,并采用可变的感知因子及导向性的学习策略,以增强算法跳出局部最优的能力,提升算法全局寻优能力。利用天牛群算法群体智能的特点,提高BP神经网络的收敛速度。并将天牛群优化的BP神经网络模型应用于入侵检测,仿真实验结果表明优化后的BP神经网络模型能够显著提高模型的收敛速率和对入侵数据的检测率,降低误报率。     

改进的 BP 算法及其应用研究

ＢＰ网络广泛应用于函数逼近、模式识别和系统辨识,但ＢＰ算法收敛速度很慢。为此提出了ＢＰ算法的一种新的改进方式,即在误差反向传播时,不仅改变网络的联接权值,也改变神经元模型参数。详细推导了改进ＢＰ算法的迭代公式。仿真研究表明,与传统ＢＰ算法相比,该算法具有收敛速度快,函数逼近精度高的优点。     

改进的BP模型及在大体积混凝土温度预测与控制中应用

文章针对传统的BP模型学习收敛速度慢容易陷入局部极小点等缺点,运用原始数据的非线性规格化函数,结合遗传算法调整权值,引入偏差单元,对BP模型进行了改进。提出运用改进的模型进行大体积混凝土温度预测与控制的新思路。通过实例验证,对于提高网络运行收敛速度、防止陷入局部极小点及克服手工调整参数的盲目性,都具有改善作用和一定的可操作性和实用性;为今后大体积混凝土温度预测与控制提供了可供借鉴的方法。     

基于遗传与BP混合算法神经网络预测模型及应用

提出用遗传学习算法和权重调整BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型；即先通过遗传学习算法进行全局训练，再用权重调整BP算法进行精确训练，使网络收敛速度加快和避免局部极小。作为实例，以新疆雅马渡站的实测径流资料和相应的前期4个预报因子实测数据作为样本进行训练并用以预测雅马渡站的年径流量。结果表明，该方法具有收敛速度快和预测精度高的特点。     

基于神经网络的铜锍吹炼终点预报技术

准确预报铜锍吹炼终点，对于铜锍吹软操作至重要，采用改进的BP神经网络算法和自适应残差补偿算法建立铜锍吹炼终点组合预报模型，利用某厂实际生产数据进行仿真运行的结果表明，本文建立的模型具有较高的预报精度和较强的实时性，可用于指导生产实践。