资料下载
×
基于自适应递阶遗传算法的洪水预报模型
消耗积分:3 |
格式:rar |
大小:175 |
2009-09-03
分享资料个
基于递阶结构的遗传算法可以同时对BP 神经网络进行结构优化和权重求解。采用收缩解空间的方法可以有效提高算法的收敛速度和精度。采用先进行自适应递阶遗传算法获得最优网络结构及参数，再用BP 算法对网络进行训练，并应用于洪水预报模型，可以获得较高的精度。
关键词：递阶遗传算法；解空间；自适应；模型精度
我国是洪水灾害频繁发生的国家之一，进行洪水预报是提高对洪水的防御能力与减轻洪水灾害的有效途径。洪水径流形成机制十分复杂，受产生暴雨的气候动力因子(如降水等)、流域的地形地貌、人类活动的变化以及全球气候变化等多种因素的影响。这些因素的共同作用使得流域的水文情势时空变化成为一个十分复杂的非线性过程。人工神经网络(Artificial Neural Network，简称ANN)是一种非常优越的非线性函数逼近方法,在水文过程模拟和预报中显示出比传统洪水预报方法更为有效的特点。
很多研究者对基于遗传算法的BP网络进行研究，形成两个相对独立的领域：①采用遗传算法优化BP网络结构；②采用遗传算法优化网络初始权值。本文提出一种自适应的递阶遗传算法，可以同时对BP神经网络进行结构优化和权重求解。针对遗传算法局部寻优能力不足的缺点，对有约束的染色体参数基因（如隐层神经元数、学习率、训练次数等）取值空间进行自适应的解空间收缩方法，对无约束的参数基因（如网络权值和阈值）先用递阶遗传算法求出初始权值和阈值，再对BP网络进行训练，利用BP算法局部寻优能力强的特点，得到网络的最优解。模型试验证明，有效提高了学习效率，预报精度也有所提高。
关键词：递阶遗传算法；解空间；自适应；模型精度
我国是洪水灾害频繁发生的国家之一，进行洪水预报是提高对洪水的防御能力与减轻洪水灾害的有效途径。洪水径流形成机制十分复杂，受产生暴雨的气候动力因子(如降水等)、流域的地形地貌、人类活动的变化以及全球气候变化等多种因素的影响。这些因素的共同作用使得流域的水文情势时空变化成为一个十分复杂的非线性过程。人工神经网络(Artificial Neural Network，简称ANN)是一种非常优越的非线性函数逼近方法,在水文过程模拟和预报中显示出比传统洪水预报方法更为有效的特点。
很多研究者对基于遗传算法的BP网络进行研究，形成两个相对独立的领域：①采用遗传算法优化BP网络结构；②采用遗传算法优化网络初始权值。本文提出一种自适应的递阶遗传算法，可以同时对BP神经网络进行结构优化和权重求解。针对遗传算法局部寻优能力不足的缺点，对有约束的染色体参数基因（如隐层神经元数、学习率、训练次数等）取值空间进行自适应的解空间收缩方法，对无约束的参数基因（如网络权值和阈值）先用递阶遗传算法求出初始权值和阈值，再对BP网络进行训练，利用BP算法局部寻优能力强的特点，得到网络的最优解。模型试验证明，有效提高了学习效率，预报精度也有所提高。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
