BP神经网络在水文数据中的应用研究

• 作 者: 李宁
• 机 构: 山西财经大学
• 出 处: 山西财经大学
• 发表日期: 2011年期
• 关键词: BP神经网络 缺失值插补 水位预测 附加动量法

在世界经济高度发达的今天,淡水已经成为一种稀缺资源。淡水资源的分布并不均匀,而且由于一些地区的经济发展相对滞后,所以可以供人们使用的淡水资源是非常有限的。同时随着社会的进度、人口的增长的客观因素的影响,人类对淡水的需求量越来越大。这个矛盾已成为阻碍经济和社会发展的瓶颈。如何持续利用有限的淡水资源是人类面临的一大挑战,涉及到了水资源供应、管理、水环境的治理等一些领域。对于河道水位和径流预测等方面的研究是水科学的重要研究领域,利用科学的方法对影响水文预测的因素进行研究,可以为洪水治理、水资源利用和管理等领域提供实验依据。国内外的学者已经将很多成熟的算法引入到了这个领域中。近年来,随着神经网络算法的不断地发展成熟,人们逐渐认识到神经网络的非线性模拟能力在水科学应用中的作用。在水文科学研究中,水文序列表现出明显的非线性特征,利用传统的一些数学方法进行预测有一定的局限,所以本文主要研究BP神经网络在水文科学预测中的应用。本文运用BP神经网络算法对陕西省部分区域的水文数据进行了分析研究,建立了不同水文测站之间水位、流量以及外界影响因素之间的关系模型,由此进行了水文预测。本文还研究了影响水文预测精度因素的特性,并且采用了增加影响因子以及分类选取训练集合等方法对预测模型进行改进,对比研究了不同条件下神经网络模型在预测中的表现。