论文总字数：25770字

摘 要

陶岔渠首工程是南水北调中线工程的渠首，是中线输水总干渠的引水渠。因此渠首水位的精准预测对于水库调度、洪水控制、发电、灌溉等工作至关重要。

水文系统具有高度非线性，无法利用线性系统对其内部机理进行描述。BP神经网络模型因其具备良好的非线性映射逼近能力，是一种可行的水位预测方法。然而传统的BP算法存在收敛速度慢、易陷入局部最优、泛化能力差等缺陷，故本文提出一种遗传算法优化BP神经网络的策略。

本文选取陶岔渠首的瞬时水量、累计水量、流速、时间戳四个特征作为预测模型的输入，水位数据作为模型的输出。首先是对原始数据进行清洗，然后根据初步建立三层BP神经网络模型对数据进行学习并测试， 接着在原预测模型的基础上引入遗传算法，通过全局启发式的搜索方法对BP网络的初始权值、阈值进行寻优，同时为了论证GA-BP性能的优越性，还将其与其他优化算法，包括自适应学习率的BP算法、带动量项的BP算法，SVR对比，根据实验结果明显看出，GA-BP模型较前四种模型，在稳定性和预测精度方面都大幅度提升，是一种有效的改进算法。

关键词：陶岔渠首；神经网络；遗传算法；水位预测

Water level prediction based on BP improved neural network

ABSTRACT

Tao cha canal is the canal head of the middle route of south-to-north water diversion project and the diversion channel of the main trunk canal of the middle route. The accurate prediction of the water level of the canal head is very important for reservoir operation, flood control, power generation and irrigation.

Hydrologic system is highly nonlinear, and BP neural network model is a feasible water level prediction method, it’s able to establish nonlinear mathematical relation. However, standard BP algorithm sometimes can not study well, it always study slowly, and often goes into a wrong minimum value. This study will try to find some extra algorithm to improve it.

In this paper, the instantaneous water volume, accumulated water volume, flow velocity and time stamp are selected as the input of the prediction model and the water level data as the output of the model. The first is to clean the original data, including missing value processing, outlier processing, data smoothing and de-linear trend. Then according to the initial three layers BP neural network model is established to study and test data, then the original forecast model on the basis of introducing the genetic algorithm, through the global heuristic search method of BP network's initial weights and threshold optimization, in order to demonstrate the advantages of GA-BP performance at the same time, also with the other optimization algorithms, including BP algorithm of adaptive vector, drive the amount of BP algorithm, the SVR contrast, clearly according to the result of the experiment, the GA-BP model is the first four models, the stability and precision of prediction greatly ascend, is an effective improvement algorithm.

Key words: Tao Cha canal head; neural network; genetic algorithms; Water level prediction

目录

摘要 I

ABSTRACT II

第一章 绪论 1

1.1研究背景与意义 1

1.2 研究现状 2

1.2.1国外研究动态 2

1.2.2国内研究动态 3

1.2.3国内外研究动态综述 4

1.3主要研究内容及技术手段 5

1.3.1主要研究内容 5

1.3.2论文重点工作 5

1.3.3技术路线 6

第二章 神经网络理论基础 7

2.1神经网络简介 7

2.1.1神经网络概述 7

2.1.2人工神经网络的发展 7

2.2BP神经网络 8

2.2.1人工神经元模型 8

2.2.2三层前向网络拓扑结构 8

2.2.3学习过程 9

第三章 基于BP神经网络的陶岔渠首水位预测模型的建立 11

3.1数据来源 11

3.2数据预处理 11

3.3BP预测模型初步建立 13

3.3.1 BP算法流程图 13

3.3.2BP网络结构的确定 13

3.3.3BP网络参数设定 14

3.3.4模型性能评估指标 17

第四章 基于改进BP算法的陶岔渠首水位预测模型建立 19

4.1自适应学习率的BP网络 19

4.2带动量的BP网络 20

4.3SVR 21

4.4GA-BP 23

4.4.1遗传算法概述 23

4.4.2遗传算法的步骤 24

4.4.3遗传算法参数的设定 26

4.4.4遗传算法和BP算法的结合 27

第五章 案例验证 28

5.1仿真调试 28

5.2实验结果分析及性能比较 31

第六章 总结与展望 35

6.1总结 35

6.2 系统评价 36

6.3展望 37

参考文献 38

致谢 40

第一章 绪论

1.1研究背景与意义

南水北调是我国实施的一项重大战略工程，调动长江水资源到西北、华北等地区，旨在解决北方水资源短缺以及缓解南方地区洪涝灾害的问题。工程分为东线、中线和西线三条调水线路，规模和难度都远超三峡工程，其中中线工程从位于长江支流汉江上游的丹江口水库引水，一路向北最终抵达北京和天津，图1-1为南水北调路线图。

请支付后下载全文，论文总字数：25770字