基于神经网络水文预报方法地研究.pdf

A Thesis Submitted in Partial Fulfillment of the Requirements for the Degree of Master of Engineering Hydrological Forecasting Method Research Based on work Candidate: WANG Sheng Major : Water Conservancy and Hydropower Engineering Supervisor: Prof. TAN Xiaojun Huazhong University of Science & Technology Wuhan , Hubei , 430074, P. R. China March, 2013 独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名: 日期: 年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□,在年解密后适用本授权书。本论文属于不保密□。(请在以上方框内打“√”) 学位论文作者签名: 指导教师签名: 日期: 年月日日期: 年月日华中科技大学硕士学位论文 I 摘要我国是一个洪涝灾害发生十分频繁的一个国家,洪涝灾害不仅阻碍了我国的社会发展,而且严重的威胁着我国人民群众的人身财产安全。为了减少洪涝所带来的灾害,我国采取了许多防洪减灾的手段,如对洪水进行水文预报,提前做好防御洪水的准备、修建各级大坝进行防御洪水和洪水调度等。在这些防洪手段中,对洪水的水文预报准确度是影响能否做好防洪减灾的一个至关重要的因素。神经网络是水文预报中应用的最广泛的方法,而采用何种预报因子来建立神经网络输入,对水文预报预测结果的精确度有着极其重要的影响。本文将Copula熵理论引入偏互信息(PMI)法中,通过Copula熵来计算互信息值, 形成基于Copula熵的PMI法用于预报因子的选取。应用BP神经网络、RBF神经网络、GRNN神经网络建立水文预报模型,采用Copula熵法和相关系数法选择水文模型的预报因子,对长江流域的宜昌站和金沙江流域的屏山站进行了水文预报,并对所得预报结果进行了比较和分析。结果表明:在同种神经网络所建立的水文预报模型中,基于Copula熵选取预报因子所得的预报结果要优于相关系数法所得的预报结果;在同种预报因子的条件下,BP网络模型所得到的预报结果要优于RBF网络和 GRNN网络所得的预报结果。本研究基于不同的预报因子和神经网络,建立了水文预报模型,通过比较分析,得到了适合某一特定流域的较为合理的水文预报方案, 提高了水文预报的精度,对洪水的资源化和防洪减灾具有极其重要的现实意义。关键字:水文预报;因子选择;Copula熵;神经网络华中科技大学硕士学位论文 II ABSTRACT The flood disasterin China happens very frequently, which not only have animpact on the country's social development, but also threat the people's life. In order to reduce the loss brought by the flood,lots of measures have been used, such as the flood forecasting model. For the flood control, uracy offlood forecasting is one of the most important factorsfor flood prevention and disaster reduction. work is the most widely used method in hydrological forecast, and the type of forecast factor to establish the neural network input influencesthe accuracy