基于SCE-A算法的新安江模型参数优化及应用

为了减小水文模型参数优化中人工试错法和局部优化法的不确定性,以一种快速有效的优化方法搜索到水文模型参数的全局最优解。以安徽呈村流域为例,使用SCE-UA算法对新安江模型参数进行优化,日模型和次洪模型分别采用总体水量误差和对数绝对值误差作为目标函数,分析优化结果并对优化参数进行检验。经检验分析,日模型检验期确定性系数均达到0.8,次洪模型检验期确定性系数接近0.9。研究结果表明,采用SCE-UA算法优化新安江模型参数可以取得较好结果,目标函数的选择对参数优化有着重要作用。     

代理模型参数率定方法在TOPKAPI模型中的应用

为提高复杂水文模型参数优化效率,通过Morris参数敏感性分析确定敏感参数,随后将多目标自适应代理模型优化(MO-ASMO)算法应用在TOPKAPI模型的参数率定中,通过最小欧几里得距离筛选Pareto解集中的相对最优解,从解集分布和每场洪水模拟效果两个维度与传统多目标优化方法NSGA-Ⅱ、NSGA-Ⅲ进行比较。结果表明：在相同模型运行次数下,MO-ASMO相较于NSGA-Ⅱ和NSGA-Ⅲ具有更优的Pareto前沿;无论是率定期还是验证期,MO-ASMO算法的评价指标均表现较好,综合表现优于NSGA-Ⅱ、NSGA-Ⅲ算法,MO-ASMO算法有效提升了模型参数优化效率。     

模拟退火神经网络模型在地下水质评价中应用

采用模拟退火算法与神经网络相结合的方法建立了地下水水质评价的SA-BP神经网络模型,并对阜新新邱露天煤矿地下水水质进行了评价.结果表明,模拟退火算法具有快速学习网络权重和全局搜索的超强能力,有效地解决了BP算法的局部收敛的问题.应用此方法评价地下水水质简便可靠,预测精度高,具有通用性和客观性等优点.     

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.     

改进的神经网络最近邻聚类学习算法及其应用

提出了一种改进的RBF(Radial Basis Functions，径向基函数)神经网络最近邻聚类学习算法。并将其应用于股市预测问题。模拟结果表明，改进算法的拟合效果与拟合误差均明显好于常规最近邻聚类学习算法，可以较大幅度提高RBF神经网络的预测性能。     

分布式水文模型在淮河洪泽湖以上流域洪水预报中的应用

以淮河洪泽湖以上流域为例,采用分布式水文模型,根据降雨和流域内水利工程的现状应用情况进行降雨径流与洪水过程预报研究,同时对息县、鲁台子、蚌埠、蚌埠以下淮北以及淮南流域进行参数率定.预报模型在2003年淮河大洪水预报中进行了检验,取得了较高的预报精度.     

基于分布式水文模型BTOPMC的晋江流域水文循环模拟

晋江流域所在福建省泉州市近年来经济社会发展迅速,水资源短缺已经成为制约该地区发展一个重要因素.开展水文循环过程模拟对把握该流域水资源时空演变规律,提高决策管理水平具有重要意义.本研究采用已在亚洲季风区多个国家广泛得到应用的BTOPMC(Block-wise use of the TOPMODEL with the Muskingum-Cunge routing method)分布式水文模型对晋江流水文循环过程进行模拟.模拟结果表明BTOPMC模型在该流域具有较好的适用性,具有为制定科学合理的水资源管理政策提供决策支持的潜力.     

3种水文模型在淮河息县流域洪水模拟中的比较

选用新安江模型、TOPMODEL模型和SWAT模型这3种具有代表性的水文模型,对淮河息县流域洪水过程进行模拟,并对它们的模型结构、汇流方法和模拟结果进行比较。结果表明：新安江模型和TOPMODEL模型模拟结果略好于SWAT模型,说明结构复杂、考虑全面的分布式模型在洪水模拟中结果不一定最优;SWAT模型的最大优点不在于洪水模拟,而在于其考虑因素全面,适合做各种条件下的水文变化研究;这3种模型各有优缺点,下一步可以考虑如何采用集合预报的方法取长补短,提高模拟精度。     

基于分布式水文模型DHSVM的平通河流域水文模拟

中小河流域水文预报时,由于流域水文资料缺乏,洪水发生时间短,传统的水文模型难以取得良好的效果.基于平通河流域研究了分布式水文模型DHSVM的建立过程、建模方式以及模型的结构和参数,探讨了分布式水文土壤植被模型在平通河流域的适用性.并结合平通河水文资料进行了数值模拟研究.结果表明,采用DHSVM模型能够较好的反映流域日径流水文过程,模拟的相对误差均在10%以下,模型在平通河流域具有一定的适用性;从模型的结构角度对结果产生的误差进行了探讨.     

RBF神经网络在股市趋势预测中的应用

将RBF神经网络应用在股市趋势预测中，RBF网络中心点的选取采用最近邻聚类学习算法，以上证指数和基金裕阳为对象进行建模与预测，结果表明，此种网络具有较好的学习和泛化能力，在股市趋势预测中取得了较好的效果。     

神经网络BP模型在室内轰燃预测中的应用

总结了目前常用的室内轰燃预测方法，评述了人工神经网络和BP网络模型的特点以及神经网络在轰燃预测中的工作原理和网络构建方法，提出了预测轰燃的神经网络预测法，进行了有效的验证。由于室内火灾受建筑材料热惯性、开口通风因子、燃料热释放速率和房间内部尺寸等多种因素影响，传统轰燃预测方法存在多方面的局限性，而BP神经网络预测方法是合理、可行的方法。     

基于RBF神经网络的冠心病识别模型

RBF神经网络是前馈神经网络研究中的一个热点.对RBF神经网络的网络结构、基本原理和学习算法进行了介绍.针对BP神经网络自身的缺陷,提出以RBF神经网络为识别模型,采用最近邻聚类学习算法,建立一种冠心病模式识别诊断系统.仿真实验表明,该模型可快速完成对冠心病样本的学习与拟合,具有预测识别率高的优点,可作为该病诊断的一种有效的辅助手段.     

SWAT分布式水文模型在黑河干流山区流域的改进及应用

在集成地理信息系统(GIS)和遥感(RS)技术的SWAT(Soil and Water Assessment Too1)分布式水文模型改进的基础上，对黑河干流山区流域出山径流进行了模拟。SWAT-GIS按不同的地形、土壤类型、土地利用或覆盖类型将整个流域划分成157个具有相似水文特征的水文响应单元(HRU)。通过模拟结果比较，表明浅层蓄水层回归因子(基流回归因子)、海拔高度带的划分分别对黑河干流山区流域地下径流和融雪径流过程有重要的影响，是该模型模拟精度高低的关键。通过参数的调整，1990～2000年月平均径流模拟结果显示，莺落峡站出山径流模型效率系数R^2达到0．88，相关系数r^2接近0．91。     

神经网络在MIMO温度过程动态建模中的应用

应用神经网络ＢＰ算法对一个ＭＩＭＯ加热炉的温度过程进行了动态建模，给出了建模及模型验证的结果     

改进BP神经网络模型在小康水利综合评价中的应用

分析BP神经网络应用于小康水利综合评价中存在的几个关键性问题。利用层次分析法(AHP)从100余个水利统计指标中遴选出30个具有一定代表性的指标用于构建小康水利综合评价指标体系并给出相应的分级标准;采用LM算法弥补标准BP神经网络在实际应用中存在收敛速度慢、易陷入局部极值等不足,建立了神经网络小康水利综合评价模型——LM-BP模型;利用随机内插方法在小康水利综合评价分级标准阈值间生成训练样本和检验样本;提出网络拟合度的概念;选取网络拟合度、平均相对误差等5个统计指标用于评价模型性能。在模型达到预期的评价精度和泛化能力后,将其用于文山州小康水利综合评价,并构建传统BP模型、RBF模型作为对比模型。结果表明:(a)无论是训练样本还是检验样本,LM-BP模型的评价精度均高于传统BP神经网络模型、RBF神经网络模型近一个数量级,表明LM-BP模型具有较高的评价精度和泛化能力,可用于文山州小康水利综合评价,模型收敛速度快、稳定性能好。(b)2010年文山州及各县级行政区小康水利综合评价为1~2级,处于起步—基本实现阶段;2020年预测评价为3级,全州基本实现小康水利。     

非线性神经网络模型及在粮食生产预测中的应用

本利用非线性神经网络BP模型，对我国粮食生产进行了实证预测研究。结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出与各因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果。可广泛应用于各种预测研究，有较高的应用推广价值。     

改进粒子群优化神经网络及其在产品质量建模中的应用

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法. 使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证. 结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度.     

改进BP神经网络在个人信用评估系统的应用

针对一般BP算法收敛速度慢和易陷人局部极小值的缺陷,提出利用一种自适应学习速率动量梯度下降反向传播算法对网络进行训练.该算法使BP神经网络学习速率和稳定性得到提高,并将这种改进的BP网络应用于个人信用评估系统,验证了该方法的正确性和有效性.     

遗传算法在大体积混凝土室温度场神经网络建模中的应用

提出将遗传算法和神经网络相结合来建立大体积混凝土温度场模型,阐述了神经网络的建模方法,提出用遗传算法来优化神经网络模型,给出 了在VC中调用MATLAB计算适值函数的部分代码,仿真结果表明可取得较为理想的模型。     

基于土壤地形指数和下垫面水文分区的流域模型参数率定

针对流域水文响应会受到地质、地形、地貌、植被、土壤等自然地理因素以及土地利用等下垫面因素综合作用的特点,根据流域下垫面的地理特征进行水文响应分区。借助遥感资料对流域下垫面进行分类并获取土地覆盖/土地利用信息,结合流域土壤类型数据与地形指数推求流域的土壤地形指数。进一步地,利用遥感分类信息和土壤地形指数进行流域的水文分区,率定各个水文分区SCS模型的参数CN值并进行水文模拟,结果表明,屯溪流域21次和东湾流域32次洪水径流模拟相对误差均比传统方法的小。