遗传算法优化BP网络的汛期降水预测模型

针对BP算法易陷入局部极小、收敛速度慢等缺点,遗传算法是全局优化算法和具有很强的全局搜索能力,遗传算法优化BP神经网络初始连接权值和阈值形成混合算法。以安徽宣城市为例,将汛期降水量作为预测对象,前期74项大气环流特征量、500 hPa、100 hPa月平均高度场、月平均海平面气压场和月平均海温场资料中选取预测因子,建立汛期降水短期气候预测模型。结果表明,该方法计算稳定,预报误差小,具有实用价值。     

基于GA-BP算法的土壤墒情预测

利用遗传算法的全局寻优能力优化BP神经网络连接权值,建立基于GA-BP算法的土壤墒情预测模型具有绝对误差小和收敛速度快的优点,且避免了BP算法易陷入局部极小值的缺点,该模型预测的平均绝对误差为1.11%,具有较好的预测精度。     

BP神经网络和遗传算法相结合在洞庭湖氨氮浓度预测中的应用

BP算法具有寻优精确的特点,而遗传算法具有很强的宏观搜索能力和良好的全局优化性能。因此将遗传算法与BP神经网络相结合,训练时先用遗传算法进行寻优,将搜索范围缩小后,再利用BP神经网络来进行精确求解,可以达到全局寻优和快速高效的目的。设计了一种利用遗传算法优化BP神经网络权重的预测方法,并对洞庭湖氨氮浓度的预测进行了研究。结果表明,丰水期(9月份)数据分布比较均匀,遗传算法优化BP神经网络权重的预测方法的3种学习算法计算值与实际值接近,并优于BP神经网络的计算结果,说明该方法具有较好的预测效果。     

基于遗传算法的BP网络在小流域侵蚀量预测中的应用

人工神经网络可用于流域水土流失的预测.针对BP神经网络收敛速度慢及容易陷入局部最优解的缺点,设计了基于遗传算法(GA)的优化BP神经网络.利用遗传算法特有优势,为BP网络的初始权值和阈值搜索全局最优解空间,经过BP算法迭代训练,进行预测.依据黄土高原沟壑区杨家沟小流域多年径流与泥沙的实测数据,对创建的侵蚀量模型进行训练和预测,取得了较高的预测精度和较快的收敛速度.     

基于混合学习算法的模糊小波神经网络控制

采用小波函数作为模糊隶属函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理.针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整.仿真结果表明,该网络能对不同的对象实施有效控制,且具有快速、适应性强等特点.     

遗传算法优化人工神经网络模型在日光温室湿度预报中的应用

提出一种基于遗传算法优化BP神经网络的方法预测日光温室湿度环境因子。实测日光温室内影响空气湿度的环境因子组成数据样本作为神经网络的输入,采用基于实数编码的遗传算法替代随机设定神经网络的初始权阈值,然后通过改进的BP算法在由遗传算法确定的搜索空间中对网络进行精确训练。模型预报值和实测值基于1：1线的决定系数R2和预测平均相对误差MSE分别为0.9857和3．1％。结果表明,遗传算法优化BP神经网络预报模型收敛速度快、预测精度高。可为日光温室的湿度环境调控制提供理论依据和决策支持。     

改进BP神经网络在管道腐蚀速率预测中的应用

针对影响管道腐蚀速率预测精度出现的BP算法易陷入局部最小值、收敛速度慢和引起振荡效应等问题,根据改进自适应遗传算法在广泛的空间搜索和向最优解的方向尽快收敛于最优目标的特点,提出了使用改进自适应遗传算法优化BP神经网络,构建了优化的混合算法神经网络模型.实际应用表明,该模型将大大提高网络的学习效率和预测评判的准确率.     

基于相空间遗传BP神经网络的径流预测研究

基于混沌时间序列的重构相空间、遗传算法的良好全局搜索和神经网络精确的局部搜索特性,以重构相空间中的饱和嵌入维数作为神经网络输入层节点数,通过采用遗传算法优化神经网络初始权重,将重构相空间、遗传算法、神经网络三者有机地结合,提出并建立了相空间遗传BP神经网络预测模型。将该模型用于黄河上游月径流预测,结果表明,该模型应用在水文时间序列的预测中是合理、可行的,并具有较高的精度。     

基于优化神经网络的温室厚皮甜瓜病害预测

在温室环境中,厚皮甜瓜较易感染一些病害,而传统的病害预测模型收敛速度慢,易在局部局限在极小值,为准确预测温室厚皮甜瓜病害,在BP神经网络的基础上进行优化,引入了遗传算法,在全局最优解的附近进行局部搜索,以遗传算法的全局搜索能力克服了传统神经网络的局部极小值问题与收敛速度缺陷。经以Matlab对试验数据进行仿真分析,证实引入遗传优化算法进行温室厚皮甜瓜病害预测误差显著减小,取得了较理想的拟合结果。     

基于粒子群优化的BP网络模型在旱涝预测中的应用

旱涝预测为旱涝灾害防御措施的研究提供重要的依据.运用PSO优化的BP神经网络建立了旱涝预测模型.PSO优化的BP神经网络既发挥了BP神经网络在预测领域的优点,同时又结合了PSO算法全局搜索能力强、收敛速度快等特点进行预测.预测结果表明:辽宁省本溪地区11年实测数据对PSO优化的BP神经网络模型进行验证,PSO优化的BP神经网络模型的预测结果明显好于未经优化的,模型精度得到了一定程度的提高,能满足本溪地区旱涝预测的实际需要.     

基于改进BP网络模型的洪水预报研究

针对目前神经网络应用于洪水预报时存在的不足,引入遗传算法、模糊神经网络对BP网络模型进行了改进,建立了基于改进BP网络模型的洪水预报模型,并将改进的BP网络模型应用于文峪河洪水过程的预报。预测结果表明,过程预报合格率达93．54%。达到了水文预报规范的要求;与传统BP网络相比,改进算法可提高洪峰的预报精度。     

基于BP神经网络的闽江上游洪水预报

洪水预报是水文科学中的难题,尤其是多分支河流的洪水演进和预报问题更是水文预报的难点。研究应用VB 6.0编程技术,实现人工神经网络BP算法的程序化,并建立闽江上游洪水过程预报的反向传播神经网络模型。经检验,洪水预测精度较好,结果令人满意,为闽江的洪水预报及调度工作提供新的思路和依据。     

基于支持向量机回归的猪肺疫发病率预测模型研究

为探明支持向量机回归(SVR)模型在动物疫病定量预测上的效果,以便为动物疫病防控决策提供依据,利用广西2007—2013年的猪肺疫月发病率时间序列,进行了SVR模型预测猪肺疫月发病率效果的研究。首先,以自相关函数法和Cao方法相结合,确定该时间序列的时间延迟为2,嵌入维数为6,并对其进行相空间重构;然后,依据主分量分析(PCA分布)方法判定该时间序列具有混沌特性,表明其在重构相空间中进行分析预测是可行的;最后,基于相空间重构结果构建SVR模型,分别采用网格搜索算法、遗传算法、粒子群算法对模型参数进行优化,并分析预测效果。结果表明,运用遗传算法优化SVR模型参数预测效果最优,平均绝对偏差(MAD)为0.043、均方误差(MSE)为0.003、平均绝对百分误差(MAPE)为0.202。可见,采用遗传算法优化的SVR模型对猪肺疫发病率的预测是可行有效的。     

基于SVM分类的淮河流域夏季降水预测模型

采用1959--2009年逐月74项大气环流特征量序列、500hPa月平均高度场和月平均海温场,计算与预报对象淮河流域夏季降水量相关系数,选取预测因子;用主分量分析方法组合预测因子。用支持向量分类机方法分别建立山东淮河流域、河南淮河流域、江苏淮河流域、安徽淮河流域共4个区域夏季降水短期气候预测模型。对2007--2009年夏季降水量SVM分类预测,4个区域的训练集回预测正确率为85％～99％,平均训练集回预测正确率91％;预测结果误差最大不超过1级,绝对值平均为0．4级。结果表明,该模型具有较强的预测能力和推广前景,可在气候预测业务中使用。     

基于EEMD分解与BOA算法优化神经网络的密云水库大阁水文站径流预测

利用R/S分析法研究密云水库潮河流域大阁水文站1969-2013年的径流数据的变化趋势，以BP神经网络为背景，EEMD分解为辅助，建立分解-重构-预测的组合模型对月径流序列进行预测，利用蝴蝶算法（BOA）优化组合模型，综合得到最优预测模型。结果表明，大阁站年、月径流序列均呈现下降趋势；对月径流序列预测，BPNN预报合格率为60.0%，不能用于预报作业，但可作为参考使用（MAE=0.406，RMSE=0.539，MAPE=0.349 7）；引入BOA算法优化BP网络参数，得到EEMD-BOA-BP模型预报合格率为83.3%，可以用于预报作业（MAE=0.257，RMSE=0.347，MAPE=0.219 5）。通过EEMD分解得到分解-重构-预测组合模型对提高模型精度有一定的作用，同时在组合模型中引入优化算法能进一步提高模型精度。     

河间气象站平行观测数据对比分析

利用2009年1月～2010年12月河间自动气象站和人工观测的气压、气温、相对湿度资料,对其资料进行统计对比分析并探讨两者差值的形成原因。结果表明,自动站与人工观测值月平均气压差值为-0.2～0.3 hPa,月平均最高气压差值为0～0.5 hPa,月平均最低气压差值为-0.4～0.3 hPa,月极端最高气压差值为-0.2～0.9 hPa,月极端最低气压差值为-0.6～0.6 hPa;月平均气温差值为0～0.2℃,月平均最高气温差值为0～0.2℃,月平均最低气温差值为-0.1～0.4℃,月极端最高气温差值为-0.2～0.6℃,月极端最低气温差值为-0.3～0.6℃;月平均相对湿度差值为-3%～3%,月最小相对湿度差值为-9%～3%。气象要素对比观测差值产生的原因主要有观测仪器和观测原理的差异、数据采集时间与方法不同、感应器安装位置及所处环境不同以及人工干预与观测误差等主观因素。     

基于遗传神经网络的陕西省土地利用结构模型研究

针对土地利用结构变化的复杂特征与BP人工神经网络在预测应用上的缺陷,利用遗传算法来优化BP人工神经网络模型,形成了遗传算法与BP网络结合的遗传神经网络模型,通过运用matlab软件编制神经网络和遗传神经网络程序,实现模型的建立。证明遗传神经网络用于土地利用结构的预测是可行和有效的,有着良好的前景。     

盘锦春季旱涝特征分析

选取当地1955~2004年春季3~5月降水资料,首先分析各年的降水概况,进而根据辽宁旱涝划分标准对当地旱涝进行划分,并通过小波分析方法进行周期分析,得出盘锦旱涝周期明显,具有5~6年和1~2年周期,最后对重度旱、涝年的500 hPa高度场距平合成图进行对比分析,旨在找出旱涝年的环流特点,以期为今后的旱涝状况预测提供科学依据。     

西南低涡诱发贵州夏季暴雨预报研究

[目的]研究西南低涡诱发贵州夏季暴雨的预报。[方法]选取2.5°×2.5°NECP提供的北半球700 hPa 1971～2008年6～8月一天4个时次再分析资料,对贵州6～8月暴雨与西南低涡活动进行较为系统的研究,并给出西南低涡型贵州6～8月区域性暴雨预报思路。[结果]西南低涡是造成贵州汛期（6～8月）,尤其是6、7月份暴雨的主要影响系统之一,该类暴雨的发生与西南低涡的移动路径、冷空气活动、500 hPa环境流场、850 hPa切变线、西南急流、副高脊线的位置及水汽条件、涡度场等有密切的关系。应用实况资料,采用相似方法和物理量诊断,建立客观的预报业务系统,并对该系统进行验证表明选取高空槽、西南低涡、垂直运动条件、西南急流、水汽条件等因子来作为贵州暴雨的预报因子是合理的;西南低涡中心位于主关键区（100°～105°E、25°～35°N）和次关键区（105°～108°E、25°～35°N）时,贵州当日最容易出现区域性暴雨降水,其中又以在主关键区出现暴雨的概率较大。[结论]该研究为提高该类型暴雨预报水平和防灾、减灾提供依据。