基于神经网络的灌区退水量动态模型.pdf

水 利 学 报 年 月 第 卷 第 期 文章编号 基于神经网络的灌区退水量动态模型 赵新宇 费良军 方树星 西安理工大学水利水电学院 陕西西安 摘要 采用相关分析的方法确定了灌区退水量的主要影响因素 将神经网络的在线学习功能与数据库技术相结合 建立了灌区退水量动态模型 实现了模型的在线学习 以动态的模型反映灌区退水系统的动态变化 保证了退水量 模型使用的长期有效性 与实测资料对比表明 模型能够较好的模拟灌区退水系统的变化 利用灌区渠首的引水 量 降水量和地下水埋深资料能够较准确的对灌区的退水量进行预测 关键词 灌区退水量 神经网络 优化算法 动态模型 中图分类号 文献标识码 我国有些大型引黄灌区采用大引大排的灌溉模式 灌区的退水量往往占到引水量的相当大部分 以 宁夏青铜峡灌区为例 灌区 年的年平均引水量为 亿 年平均退水量为 亿 占年引水量的 近年来随着黄河流域水资源的紧张 退水已成为必须考虑可再利用资源 并和 引水量一样成为焦点问题 是灌区管理 甚至黄河流域水资源统一管理 优化配置和水量实时调度必须 考虑的重要因素 然而长期以来我国对灌区水资源管理重引轻排 关于退水量的研究很少且不深入 基 本是从退水水质的角度研究其利用价值 在灌区退水量的定量分析方面还比较少 因此 开展灌区 的退水规律研究 建立灌区退水量动态模型 对退水量进行模拟和预测 具有重要的理论和实际意义 灌区退水系统和陆地水文系统相似 是一个复杂的非线性动力系统 近年来灌区改造频繁 造成退 水系统的下垫面条件也频频改变 使用固定参数的模型只能反映训练模型所使用的历史信息 不能动态 的反映地下水系统及其边界条件的变化 随着时间的变化必然造成模型的失效 神经网络是以生物神 经网络为基础 模拟人脑行为的一种信息处理方法 具有全息的联想学习能力及自组织 自适应 高度 的非线性运算能力和很好的在线学习能力 适合于对非线性系统的模拟 近年来在水利学科的很多方面 都得到了广泛的应用 取得了良好的效果 但常用的前馈 神经网络只能学习输入与输出样本的 静态映射 不适合用来表示动态映射 不适合动态系统的辩识 而且在缺乏大量资料的情况下 传统 神经网络模型的外推外力也较差 不能准确的进行中长期预测 本文利用 神经网络的在线学习 能力 将基于 算法的神经网络与数据库技术相结合 建立了灌区退水量动态模型 利 用实时更新的模型训练集数据库实现模型参数的实时更新 保证了模型与灌区情况变化的同步性 对灌 区退水量的动态分析方法进行了探索 神经网络及其 算法 神经网络 网络是指具有非线性传递函数神经元构成的采用误差反向传播算法的前馈网 络 通常由输入层 隐层和输出层组成 每一层连接权值都可以通过学习来调节 网络的基本处理单 收稿日期 基金项目 国家自然科学基金项目 陕西省水资源与环境重点实验室重点科研项目 作者简介 赵新宇 男 河南遂平人 博士生 主要从事农业水资源管理 节水灌溉研究 元的作用函数有多种 理论上已经证明具有阈值和至少一个 型隐含层加上一个线性输出层的网络 具 有可逼近任意非线性连续映射的能力 算法 标准 神经网络有着网络收敛速度慢 学习速率不易确定的弱点 很难用于实际 目前常用的改进 算法有附加动量算法 变速率算法 共轭梯度算法 高斯 牛顿算 法 算法 简称 算法 等 其中 算法是这些算法中收敛速度最快 鲁棒性最好 的 以 层 输入层 输出层 隐层 神经网络为例对 算法进行说明 设网络输入的训练数据有种类 有 类 对数有 对 隐层含 个神经元 输出层含 个神经元 表示网络