哈爾濱工程大學(xué)碩士學(xué)位論文 摘要 洪水預(yù)報是適應(yīng)自然、減免損失的非常重要的防洪非工程措施，直接為 防汛搶險、水資源合理利用與保護、水利工程建設(shè)與運用管理和發(fā)展工農(nóng)業(yè) 牛產(chǎn)服務(wù)。水文預(yù)報是一個復(fù)雜的系統(tǒng)，且具有很強的非線性特征。目前， 不論是確定性水文預(yù)報模型，還是統(tǒng)計模型都是以實測資料為基礎(chǔ)建立起來 的一類數(shù)學(xué)模型，由于受r l ：多建模假設(shè)的限制，這些模型很大程度上只是對 實際水文規(guī)律的一種近似模擬，難以用于處理水文現(xiàn)象及其要素之間內(nèi)在的、 復(fù)雜的非線性關(guān)系。在綜述國內(nèi)外研究的基礎(chǔ)上，本文把人工神經(jīng)網(wǎng)絡(luò)和遺 傳算法結(jié)合起來，嘗試建立g a l m b p 神經(jīng)網(wǎng)絡(luò)洪水預(yù)報模型。本文的主要 研究工作概括如卜： l 、系統(tǒng)的闡明了b p 神經(jīng)闞絡(luò)的基本原理和學(xué)習(xí)訓(xùn)練過程，分析了b p 網(wǎng)絡(luò)存在的缺陷，介紹了通用的一些改進措施。 2 、針對水文現(xiàn)象以及備水文要素之問關(guān)系的復(fù)雜性，利用遺傳算法全局 搜索能力強的特點與人工神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)能力強的特點，把遺傳算法用于 神經(jīng)網(wǎng)絡(luò)初始權(quán)重的優(yōu)化，設(shè)計出g a l m b p 算法，可以在一定程度上克服 神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練中普遍存在的局部極小點問題。 3 、以某水庫3 3 年的最大日庫區(qū)徑流資料數(shù)據(jù)為例，對g a l m b p 神經(jīng) 網(wǎng)絡(luò)算法進行計算和檢驗，運用m a t l a b 軟件進行仿真，并與單一運用常 用b p 改進算法的仿真結(jié)果進行比較，結(jié)果顯示g a l m b p 算法穩(wěn)定更好、 魯棒性強，有效的提高了洪水預(yù)報的精度。 關(guān)鍵詞：洪水預(yù)報：b p 神經(jīng)網(wǎng)絡(luò)；遺傳算法 哈爾濱j 二程入學(xué)碩士學(xué)位論文 a b s t r a c t f l o o df o r e c a s t i n g ，w h i c hi sac o m p l e xs y s t e mw i t hs t r o n gn o n l i n e a rf e a t u r e ， i sav e r yc r u c i a ln o n s t r u c t t t r a lm e a s u r eo ff l o o dm i t i g a t i o nt oa d a p tn a t u r ea n d m i t i g a t el o s s e s ，a n dd i r e c t l ys e r v e sf o rf l o o dd e f e n s e ，r e a s o n a b l eu t i l i z a t i o na n d p r o t e c t i o n o fw a t e rr e s o u r c e s ，c o n s t r u c t i o n ，o p e r a t i o na n dm a n a g e m e n to f h y d r a u l i cs t r u c t u r ea n dd m ，e l o p m e n t so fi n d u s t r ya n da g r i c u l t u r e n o w a d a y s ， w h e t h e rd e t e r m i n i s t i c h y d r o l o g i cm o d e l o rs t o c h a s t i c h y d r o l o g i cm o d e l i s f o u n d e du p o no b s e r v e dd a t a d u et ot h er e s t r i c t i o no fa s s u m p t i o n si n m o d e l c o n s t r u c t i o n ，t h e s em o d e l s ，i nag r e a ts e n s e ，a r eak i n do fa n a l o g yo fa c t u a l h y d r o l o g i cl a w s ，a n da r eh a r dt od e a lw i t hc o m p l e xn o n l i n e a rr e l a t i o n sa m o n g h y d r o l o g i cp h e n o m e n aa n dt h e i rf a c t o r s b a s e do nas u r r n n a r yo fd o m e s t i ca n d a b r o a ds t u d y , t h i s p a p e rt r i e s t oe s t a b l i s hg a l m b pn e u r a ln e t w o r kf l o o d f o r e c a s t i n gm o d e l ，w h i c hc o m b i n e sa r t i f i c i a ln e u r a ln e t w o r k ( a n n ) a n dg e n e t i c a l g o r i t h m s ( g a ) t h ef r a m e w o r ka n dr e s e a r c ha r el i s t e da sf o l l o w s ： 1 t h ep a p e rc l a r i f i e st h eb a s i cp r i n c i p l ea n dt h es t u d yp r o c e s so fb pn e u r a l n e t w o r k ，a n a l y s e s t h e e x i s t i n g w e a k n e s sa n di n t r o d u c e ss o m e g e n e r a l i m p r o v e m e n tm e a s u r e 2 a i m i n ga tt h ec o m p l e xr e l a t i o n so fh y d r o l o g i cp h e n o m e n aa n dt h e i r f a c t o r s ，m a k i n g u s eo fe x c e l l e n tg l o b a ls e a r c h i n ga b i l i t yo fg aa n df i n el e a r n i n g a b i l i t yo fa n n u s i n gg at oo p t i m i z ei n i t i a lw e i g h t so fn e u r a ln e t w o r kt od e s i g n g a l m b pa l g o r i t l m a ，i nas e n s e ，l o c a lo p t i m i z i n gp r o b l e m s ，w h i c hi sw i d e l y e x i s t e di nn e u r a ln e t w o r km o d e lt r a i n i n g ，c a nb eo v e r c o m e 3 ，t a k e nar e s e r v o i rh i s t o r i c a lr u n o f fd a t aa s e x a m p l e s ，t e s t i f y i n gt h e g a l m b pa l g o r i t h m ，a p p l y i n gm a t ，a bs o f t w a r et os i m u l a t i o na n dc o m p a r i n g 哈爾濱工程大學(xué)碩士學(xué)位論文 w i t ht h es i m u l a t i o no fg e n e r a lb pi m p r o v e m e n tm e t h o d r e s u l ti n d i c a t e st h i s a l g o r i t h mh a sab e t t e rs t a b i l i t y ，p r e c i s i o na n dr o b u s t n e s st h a nt h et r a d i t i o n a lb p n e u r a ln e t w o r k i ti st h er e l i a b l ea n da c c u r a t em e t h o d si nf l o o df o r e c a s t i n g k e yw o r d s ：t o o df o r e c a s t i n g b pn e u r a ln e t w o r k ：g e n e t i ca l g o r i t h m 哈爾濱t ：群人學(xué)碩十學(xué)位論文 第1 章緒論 1 1 課題的來源、目的和意義 本課題的研究來源于國家防汛指揮系統(tǒng)一期一黃河部分總體設(shè)計。 黃河是我國的第二大河，發(fā)源于青藏高原巴顏喀拉山北麓海拔4 5 0 0 米的 約古宗列箍地，流經(jīng)青海、四川、甘肅、寧夏、內(nèi)蒙古、陜西、山西、河南、 山東9 省( 區(qū)) ，在山東墾利縣注入渤海，見圖1 1 所示。干流河道全長5 4 6 4 公里，流域面積7 9 5 萬平方公里。黃河流域西部地區(qū)屬青藏高原，海拔在3 0 0 0 米以上；中部地區(qū)絕大部分屬黃土高原海拔在1 0 0 0 2 0 0 0 米之間；東部屬 黃淮海平原，河道高懸于兩岸地面之上，洪水威脅十分嚴重。 圖1 1 黃河流域圖 為此國家防汛指揮部提出要用“數(shù)字化”手段統(tǒng)一處理黃河問題。本文 就是此項工程中的一部分前期研究工作。 在與洪水斗爭的長期實踐中，人們逐漸認識到采用防洪措施，可以減少 甚至避免洪水的災(zāi)害損失。防洪措施通常分為兩大類工程措施和非： 程 措施。工程措施是指建筑堤防、防洪墻、分洪工程、河道整治工程、水庫 喻自、濱j 劇人學(xué)砂卜。、：j 仿論文 等。1 i f 貍措施足指通過洼令、政策、經(jīng)濟和防洪工程以外的技術(shù)手段，以 減少洪泛區(qū)洪災(zāi)損失的工f 。通常包括：加劃防洪設(shè)麓管理，保征防洪設(shè)施 的防洪能力：在工程設(shè)d 6 r - 充分考慮適應(yīng)i 水短暫淹沒的措施，以盡可能減 少洪災(zāi)損失：建i ! 健全通訊系統(tǒng)和預(yù)警系統(tǒng)：改進和發(fā)展洪水預(yù)報技術(shù)，提 高防洪調(diào)度水i 產(chǎn)等。其中改進洪水預(yù)報方法、捉高預(yù)報精度、實施洪水預(yù)報 調(diào)度是非工程措施中最i j - 2 有效的辦法。 我國的防洪實7 曼4 , j 1 明，工稃措施與非工程措施的結(jié)合應(yīng)用是建立和完善 江 u 防洪系統(tǒng)的有效措施。就我國當(dāng)前防洪地區(qū)的實際情況而言，著力于采 用工程措施提高其防洪標計i t a c h 抗洪能力，小儀投資大、周期長，而且也有一 定的限度?，F(xiàn)實可f j 的途徑是在努j 提高江河防洪標準的同時，更多的采用 非1 程措施。洪水預(yù)報就是一種減免洪水災(zāi)害行之有效的非工程配套措施。 僅這j 負措施，i t j 以使洪水災(zāi)害損失減少1 0 以上( 固家防汛抗旱總指揮部統(tǒng) 引) ，具有重大的經(jīng)濟和社會效益。如果能進一步提高洪水預(yù)報的精度，則其 減災(zāi)效果會更加絲著。 水文預(yù)報直接為防汛搶險、水資源合理利用與保護、水利工程建設(shè)與運 用管理和發(fā)展工農(nóng)業(yè)生產(chǎn)服務(wù)。洪水預(yù)報作為水文預(yù)報的- - s j i 重要內(nèi)容，是 人類在與洪水災(zāi)害長期斗爭 i 9 客觀需求推動f 發(fā)展起束的。同時，新理論、 新技術(shù)的發(fā)展也極大地推茜j 了水文。b q f 預(yù)報技術(shù)的發(fā)展和應(yīng)川。作為防汛斗 爭f i 9 “耳目”和“參謀”，準確及時的_ j i 水預(yù)報和調(diào)度，為各級防汛指揮部門 提供決策支持的科學(xué)俄掘，并獲得減免洪災(zāi)損失的巨大經(jīng)濟效益和禮會效益， 使洪水災(zāi)害減小到最低限度。 水文現(xiàn)琢 一分復(fù)祭，。們塵今逆0 i 能用數(shù)學(xué)物刪力挫嚴滸地描述每一個 f 過程，仍耍受訥多似改條件的限制，爿- 需要借助于慨念性元素模擬或經(jīng)驗 雨數(shù)芙系h ：拙述。水丈系統(tǒng)。 i 影州預(yù)測刈緣的岡r 眾多m 復(fù)雜，影響因予與 i m p ! i ) ! i 脅j 緣之l a j 戈系的復(fù)雜r 嘲二f e 超u ll j 時人類的認i l 能力，i j 物理和成| 劇途 侄求處理這類問題仔在 醍夫團難，e 時較多地用娃式的統(tǒng)訓(xùn)分析方法來解決， 仙足統(tǒng)計分析模，螄把乏f 1 迂膨性，談 更新困難，模型自小確定性問題往往 導(dǎo)斂模型擬合歷史資料的精度牧高，而模型的預(yù)測檢驗的精度時女f - , q 壞，不 足十分穩(wěn)定。許多i i _ 奠已 j 、說明，水文系統(tǒng)中很多變量f n j 的復(fù)雜非線性關(guān)系 遠非簡單的代數(shù)方程所能t 設(shè)喪達。 近年米，科學(xué)技術(shù)得到了極人發(fā)展，如何把最新的科學(xué)技術(shù)引入到承文 預(yù)報中，提高水文預(yù)報的糨度，成為大家所關(guān)注的課題。隨著人 宇l j 經(jīng)網(wǎng)絡(luò) 和遺傳算法等非線r ：科學(xué)j i 術(shù)在各個行業(yè)的廣泛深入應(yīng)用，為解決上述問題 提供了機遇。 1 2 國內(nèi)外水文預(yù)報的發(fā)展和現(xiàn)狀 水文顱報是應(yīng)用水文與j 的一個重要組成部分，它是建立往充分掌握客觀 水文規(guī)律及實i l , l - i + 水。陸和水文要素等狀態(tài)變量的基礎(chǔ)l 的，足預(yù)報未來水文 現(xiàn)緣的一門水文學(xué)科。 水文預(yù)報按預(yù)報期時將其分成短湖、中期和【丈期預(yù)報三種。水文預(yù)報按 奠預(yù)報的項目又司分為徑流預(yù)報、冰情預(yù)報、沙情預(yù)報及水質(zhì)預(yù)報。徑流預(yù) 于鹺可分為洪水預(yù)報和枘水預(yù)報對于短期洪水預(yù)報，是指根據(jù)實測降 ：阿資 $ m 綃小的預(yù)報。預(yù)地期特隨預(yù)報，法的不同而異，其存實用上是十分重要 的。般的短期水文預(yù)報 常1 i 能滿足生產(chǎn)的要求，需要將預(yù)見期加長，然 而，預(yù)見期加長了，壩見期內(nèi)n 勺隨機因素也增多了，從而預(yù)報精度就會降低， 晰肯之f 1 j 足有矛盾1 7 內(nèi)，如何協(xié)涮這 矛盾，【i = l 足眾多水文學(xué)家研究的個重 絲課題。 流域水文預(yù)報偵坷j 的叫炙灶流城水文模l u ，它既不州r 【l 坡k 文模型， 出小川l t j 逍札流掀型，它足阻杜1 、流域為研究刈象，探【、r 流域范岡內(nèi)降 j ”流之刪的”拯天系流域水文模掣起源于_ f l 【負15 0f 。流域水史壩 呤爾i 宴i | 1 人寧蝴i j 孑1 f 論叉 報模掣n 勺研究大約始于二一川嗡15 0 年代! “。近幾卜年米，隨莆電子計算機的 應(yīng)用，己提出司余種數(shù)學(xué)物胖摸l ”，模州的復(fù)雜程度子小桐同，簡單模型的 參數(shù)只有二i 個，復(fù)朵模毽! 的參數(shù)多達兒| 個。比較典巧9 的模型如：澳人利 、砸氣緣局模型( c b m ) ，法b l 海外科剝研究辦公室的模型( g i i 氣a r d i ) ，h 本凼 、7 防災(zāi)研究中心的水箱i 、i i 型模刑( t a n k i ，t a n k i i ) ，羅弓尼亞氣象和水文 所的洪水預(yù)報模型( i m h z s s v p ) ，炎剴幽家天氣局的水文模型( n w s h ) ，美國 陸軍翻翟兵團的徑流綜合和水庫調(diào)節(jié)模，詛( s s a r r ) ，美固國家天氣局河流預(yù) 報中心的薩免拉門托河流礬報l 心水文模型( s r f c h ) ，酊蘇聯(lián)水文氣象中心 降m 徑流模型( h m c ) ，意大利 岫維大學(xué)的約束線性系統(tǒng)模型( c l s ) 等h i 。它 們土要是集總式的，一般只能給出產(chǎn)汀流過程空間上的均化的結(jié)果，這與流 域，1 “、匯流空l i lj 分川】不均勻的實際。i f l l y , 不符，降雨空問分如不均勻和下?lián)疵?! 特扯空問分布小均勻是導(dǎo)致流域產(chǎn)、汀流空| 1 | j 分布不均勻的根源，近些年來 f 是在其基礎(chǔ)j 進行了些修改，但進展緩慢，沒什么突破性進展。 我圜的水義預(yù)報理論利方法，與世界各地比較，水下相當(dāng)。存j 。流方面： ) 6 0 年代建立了蓄滿產(chǎn)流概念，7 0 年代初河海大學(xué)研制了新安汀模型，在濕 利、半溫澗地區(qū)得到了廣泛應(yīng)丌了：同時期i ：= 寧省水文總站提出了比較完善的 超滲產(chǎn)流模型，并存遼河流域首先h i 用，大伙房水庫管理局提出了把蓄滿產(chǎn) 流與超滲產(chǎn)流概念融為一體的大伙房流域模型，并在東北地區(qū)得到了應(yīng)用。 l 2 ) 提出流域蒸散發(fā)能力的公式計算法幣u 分層計算模式以及流域蓄水能力的空 i f l j 分卸曲線。住擴流方i 自i ：( 1 ) 廣泛地聚刖線性系統(tǒng)分析法，刪系統(tǒng)分析理論 進行t j 究。( ，) 多途徑探w t f 線州l 流計算p i 。盡管我幽存流域模型研究方 面做了人量工作，而日比引逍了! j 睦i 外水文預(yù)報模型，但足受流域自然地 邢、水文、氣象和人類a ( 引等方l f 素的影響水文顱報的梢度和預(yù)見f f 阿是水丈顱搬巾的雄點問地! 隨著社會的段艇，人；i ；n i j j 且砂，水史水資源水環(huán)境領(lǐng)域1 1 9 研究內(nèi)容越束 越廣，影響因于越求越多，復(fù)雜性和動念r f 越來越強，原有的研究方法和途 徑1 瞿窘奩，單獨使用確定性租j 不確定一隊方法而臨著許多無泄i 妥善解決的問 題。人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)無疑給水義水資源水j ：境領(lǐng)域的研究打”一扇天窗， 1 ：入了新的活力。人工神轡網(wǎng)絡(luò)系統(tǒng)獨特的非線性、非凸性、自適應(yīng)性、強 ：大= 的計算能力使得它在眾多領(lǐng)域得到j(luò) 7 。泛的應(yīng)用_ 叫。目前，應(yīng)刷最為廣泛 舊足前饋神經(jīng)網(wǎng)絡(luò)，采片l 的學(xué)習(xí)算法是誤差反向傳播算法( e n o rb a c k p r o p a g a t i o n ，簡稱b p 算法) 。人工神經(jīng)嗍絡(luò)存水文預(yù)報中的應(yīng)用也川剛起步， 并在以_ f 一些方_ 由j 做了一1 i ：b 有益的探討。 1 3 人工神經(jīng)網(wǎng)絡(luò)在水文領(lǐng)域的應(yīng)用 目自d 人工種經(jīng)網(wǎng)絡(luò)在水文水資源水環(huán)境領(lǐng)域的預(yù)測預(yù)報、分類u 別、優(yōu) 化調(diào)度1 7 計算、環(huán)境水質(zhì)礙：價等方面都有了一定的應(yīng)用，尤其在預(yù)測預(yù)報中 盛用最多。 h a l f f 等設(shè)計了個二層的i u 鼬型人工神經(jīng)網(wǎng)絡(luò)模型，該模碰利用美國地 質(zhì)測量系統(tǒng)( u s g s ) 的觀測數(shù)掘，模型的輸入為b e l t v u e 和w a s h i n g t o n 的降雨 信窟、，模型的輸出為陔地區(qū)的水文信扈。，模型的隱減層采用5 個節(jié)點，總共 可用的5 場暴雨事件中的4 場作為模型的洲練數(shù)掘，剩余的1 場閣來檢驗?zāi)?型的效果。陔負研究為采月j 人工神經(jīng)網(wǎng)絡(luò)進行降f 盯徑流問題丌了先河i 。 m l z h u 、mf u j i t a 等研究b p 網(wǎng)絡(luò)戍用j 一洪水預(yù)報，實踐表明：離線預(yù) 報表明網(wǎng)絡(luò)性能j 漩隊寸學(xué)習(xí)樣本的代表性( 預(yù)報洪水是樣本的內(nèi)捅還是外 延) ；在線預(yù)報| | j 精度較竹。普阱 ) i 使用的模糊推理法要好；巾】通過預(yù)報洪水的 、f 游( i 蔓問 則浸) 的力j ，也令人擻$ 1 。 h s u 等認為人丁神掙l ，q 絡(luò)模型j _ 自建i 復(fù)雜的輸入輸出非線性映射的能 力。提 l j 丁采j j 州t 硝：上：為線+ r j 陵，卜：朵r 一爭b 形i 去( l i n e a ll e a s ts ql l a l c s i m p l e x ) 舊尊濁汁i 1 以川j 事 ! 捌流域憚戔惟：水j 行為的砷經(jīng)網(wǎng)絡(luò)模型n 勺參 數(shù)，通過這種算法獲得人- 1 神經(jīng)網(wǎng)絡(luò)模型仵中等流域大小的l e a f r i v e 降雨徑 流模擬巾表現(xiàn)出j 1 ea r m a x 時川序列同歸羽i 薩格拉j 托模型更好的效果。 結(jié)果表明雖然人 神經(jīng)川絡(luò)模掣的參數(shù)并小具有物理意義，但是這種模型的 表現(xiàn)良好，j f ju 具朽建模簡便的優(yōu)點”“。 r a m a n 籌應(yīng)刖一層b p 神經(jīng)例絡(luò)模型進行了多變量水文時間序列的模擬， 用卜訓(xùn)練的樣本是印度的m a n g l a m ，p o t h u n d y 兩水庫1 9 7 72 二1 9 9 0 年的月徑 流序列，用訓(xùn)l 練好的剛絡(luò)束模擬月徑流序列，結(jié)果表明，神經(jīng)嘲絡(luò)模，刪具有 較高的精度，該文認為用 j 經(jīng)網(wǎng)絡(luò)模型模擬水文序列是可行的1 。 i , i n d a s e e 汀洪水過櫸分為丹段、洪峰段和下降段j 部分，分別建立 ， h 應(yīng)的預(yù)報模型，充分考慮了不同階段的洪水過程其演進規(guī)律的差異i 。 f ij o l mc h a n g 引入洪峰預(yù)報誤差和峰現(xiàn)誤差作為洪水預(yù)報精度的評價標 準，對丁二洪峰預(yù)報精度給予r 高發(fā)的重祧_ 1 “。 國內(nèi)的研究人員l 三將 e 緡網(wǎng)絡(luò)引入了水文系統(tǒng)各個領(lǐng)域，并做出了可喜 的成績。 朱曉冬等采劇b p 神經(jīng)嘲絡(luò)預(yù) 艇魯西北雷雨冰雹天氣，他們選取了與魯 西北刈流天7i 何關(guān)的特征c l jf ，得到個用0 8 時常規(guī)資料判別魯西北地區(qū)f 午到瘦問仃無雷附或冰雹n 0 人 = ：神經(jīng)網(wǎng)絡(luò)分類預(yù)報網(wǎng)絡(luò)，經(jīng)過試報，孩網(wǎng)絡(luò) 對何無雷附、冰雹這三炎天氣的預(yù)報準確率達7 5 ，r 4 o 楊型月等用b p1 | | 經(jīng)網(wǎng)絡(luò)來預(yù)報廣西前汛期暴雨，從1 9 8 】1 9 9 0 年的氣 象資料巾取3 4 個盼i - 。j 作為輸入層，經(jīng)過6 0 0 多個樣本的訓(xùn)練，網(wǎng)絡(luò)最高成功 指數(shù)為0 7 、| 黎煌東等用神經(jīng)網(wǎng)絡(luò)模型求預(yù)報鄢湖q ：最高水位，垓文選取廠6 個o “1 年最高水位仃較好川必，七系的前期水文氣象n 將歷年最高水位劃分成 3 個等級，利剛19 6 3t 19 8 7 ：，i 、2 5 印n l j i i 的資料稍為訓(xùn)練網(wǎng)絡(luò)的樣小，l j 19 8 8 年的資牛1 怍降驗，納糶& l hj ，j | ；! 報 f j 糶完傘符合實際情況“t 。 吖i 玳 囊【人j ：塒! f 孑：f 市淪義 胡鐵松等采用聯(lián)合梯f 曼算 ； k f l 9b p j 經(jīng)網(wǎng)絡(luò)柬預(yù)報人伙房水庫汛期平均 流避，并利劇1 9 7 2 1 9 8 2 午的資料作預(yù)報檢驗，結(jié)果表憂，陔彤 報方法越 育效的而且神經(jīng)網(wǎng)絡(luò)n j 進f 丁丑戡練和離線應(yīng)劇i ”i 。 蔡煌彖等剛b p 神經(jīng)f j 絡(luò)預(yù) m 入伙房水庫 b t j d , t ) l 的釋流，垓文中選取平 均位勢高、m 強、相對湍度和j f 均氣溫作為輸入層，經(jīng)1 9 7 8 年1 9 8 0 年的資 f 1 預(yù)報瞼驗表明，該法預(yù)測成功率較高i 。 3 f ：d 、峰等運刖b pi q m 以流域江水條件為基本因子，建立了流域產(chǎn)流產(chǎn) 沙b p 網(wǎng)絡(luò)預(yù)報模型，該摸型可用于定量分析流域人類活動囚素對流域產(chǎn)流 產(chǎn)沙的影響，應(yīng)_ l j 兩漢水、大迎汀、香溪河流域資料驗證表明，模型基本合 理、l j j 靠i 。 奪鴻雁等z i ：總結(jié)大量穢；水預(yù)報實踐繹驗的基礎(chǔ)，l ：提出了一種峰值讓 別理 論及l(fā) n 應(yīng)的改進b p 算法，該理論及算法在修改網(wǎng)絡(luò)牛義重時，偏重大值誤差， 即達值誤差則權(quán)重的修改血! 主要作崩。這種b p p r 算法使人悌 l 經(jīng)網(wǎng)絡(luò)洪水 預(yù)報模型_ 、j 洪峰的預(yù)報精度顯著提高，從而保證了洪峰預(yù)報的可靠性1 2 ”。 總之，國內(nèi)外的部分科研_ 作者剝- 于人 神經(jīng)剛絡(luò)在水文水資源水環(huán)境 領(lǐng)域的應(yīng)用做了大量研究。返砦研究結(jié)果表明在水文水資源水環(huán)境系統(tǒng)中應(yīng) 用人f ：神經(jīng)網(wǎng)絡(luò)，不僅町i 解決現(xiàn)有辦法手段難以解決和小能解決的一些復(fù) j ：h 題，而且r 叮能玎辟 條新的研究思路和研究途徑，從而提高水文水資源 水環(huán)境的科學(xué)水、i j ，促進科學(xué)蛆t 論的小斷發(fā)展。 1 4 人工神經(jīng)網(wǎng)絡(luò)與洪水預(yù)報結(jié)合的優(yōu)勢 1 、i i 速汁算能力 電臟l 雖然汁算的速度較隊，f li 刈【7 f 多問題，人腦的處圳速度列j 遠遠快于 l 臥i ，例如，i ：艇 洋人l t 辨圳 個熱八的r f l i # l ，人l i 神經(jīng)州絡(luò)作為模仿人腑 帕4 = 【 1 人i 似能系統(tǒng)，仃b ：j 述帕 j 卯能力。 哈爾湃| m 人”】mi j 。7 ：1 札陀又 n ：水文預(yù)擬巾，涉及了、最的仂殳數(shù)據(jù)、復(fù)雜的_ f 線性討鋅以及計箅過程 c oj 數(shù)抓的傳輸與交換，高述的引算能力t 呆i l e t 計算的高效率。 2 、人容量記憶能力 t i ：物神經(jīng)l 蜘絡(luò)與人j - t 1 經(jīng)剛絡(luò)川樣是個高度連接的網(wǎng)絡(luò)，根據(jù)日i j 另、聯(lián)科 學(xué)家柯其果大( k 0 1 m o g o r o v ) 的定恥：任何1 種從m 維空問到n 維空山的映利， l t 圳, i i j 一個其有- 瞥層隱含層f 內(nèi)倒傳播網(wǎng)絡(luò)來完成，只要隱含層具有2 m + 1 個 處f t - , g 兒即rr ，。罹而易見，! ：物神纖網(wǎng)絡(luò)與人工神經(jīng)網(wǎng)絡(luò)將具有驚人的記憶 。容量 神經(jīng)網(wǎng)絡(luò)具有的大容量址憶能力可以存儲大量的水文數(shù)掘、輸入輸山模 a g , j 關(guān)系，聯(lián)系高速的計算能j j 可以提高水文預(yù)報模型的推廣能力，提高水 丈形 j 陵的智能化水平。 3 、學(xué)習(xí)能力 人_ 廠神經(jīng)網(wǎng)絡(luò)的連接是柔性的，h 1 1 神經(jīng)元間的連接是透過突觸，而突觸 本身是可以調(diào)整的，凼此人t 神經(jīng)州絡(luò)具有強大的學(xué)爿功能，這是傳統(tǒng)電腦 所不具備的。人工神經(jīng)網(wǎng)紹的學(xué)習(xí)能力何二炎：監(jiān)督式學(xué)習(xí)、無監(jiān)督式學(xué)習(xí)、 聯(lián)想式學(xué)習(xí)。 神經(jīng)網(wǎng)絡(luò)具有的學(xué)習(xí)z h , 。t 5 力使得住建立水文模擬模型時，避免了機理分 機、邊7 與初始假設(shè)、以及參數(shù)估計與u i 別的復(fù)雜過程利某些困難，只需對 。丈例數(shù)據(jù)進行模式對訓(xùn)練叫, i j 確立輸入輸山的映射關(guān)系，使模擬過程得以簡 化， 4 、容t 能力 人= | 經(jīng)例絡(luò)如果有! p 數(shù)鐘經(jīng)，i 或連接受到損傷并小影響其l f 常功能， i j 電腦i 的任兒什故障挪口j 能甘斂，矗的后果。其原因r j ：j 人j 神繹剛絡(luò)的 資訊“仔魁j ，敞- 也憶，小矧：分近拔，砭j 6 i ，會造成j j 能：晰為降低，兇而人 l 鐘? t q 絡(luò)j 九優(yōu)靴劣億( i ) e g l a d og 1 a c e l t l l y ) ( t j 特4 r h 也h 為分和j 存儲的 莢系，神經(jīng)例緝刊于不完整或有雜n 皂的輸入也能做出幣確的處理，即具有 十萸糊攤到j(luò) 的能力。 1 5 本文研究的主要目的和內(nèi)容 從f j 脅的研究現(xiàn)狀來看，采川神經(jīng)網(wǎng)絡(luò)方法建立洪水預(yù) 陵模型是可行的， 但對j 二較為復(fù)雜的水文系統(tǒng)1 hj 二其具囪0 日懂的非線性特征，常常會遇劍預(yù) 報精度1 i 夠理想的情況，這也是洪水預(yù)報r p 的難題。提高神經(jīng)網(wǎng)絡(luò)模型的預(yù) 報精度也是困內(nèi)外從事此領(lǐng)域的科研_ ：l 二作者4 i 斷追求的。因此本文根據(jù)b p 網(wǎng)絡(luò)( b a c kp r o p a g a t i o n ，銜j 稱b p ) 和遺傳算法( g e n e t i ca l g o r i t h m s 赫稱g a ) 的特t i ，提出了一種混合i j | ；練方法：對標準遺傳算法加以改進，山改進的遺 傳算濁優(yōu)化確定b p 神經(jīng)例絡(luò)的初始權(quán)閩值，確定一個較好的搜索空間，然 后再【ub p 算法在這個解宅洲里對m 絡(luò)進行訓(xùn)練學(xué)習(xí)全收斂。實現(xiàn)廠兩者的 優(yōu)勢互 ，發(fā)揮了神經(jīng)i 叫絡(luò)的廣泛映射能j 和遺傳算法f 1 9 全局搜索能力。并 將這種力法結(jié)介應(yīng)用丁j 4 ：洪水預(yù)報r r | ，為流域防洪頒警系統(tǒng)的需要丌辟嶄 新的領(lǐng)域。木文坷f 究工作限 ：嚶研究內(nèi)容包括： 第一章：i 制述r 吲內(nèi)外水文預(yù)報的現(xiàn)自力法及發(fā)展趨勢，重點介! g 了人 i 神經(jīng)例絡(luò)在洪k 預(yù)報中的優(yōu)勢以及赴陔領(lǐng)域葉1 的研究成果，并對陔領(lǐng)域的 研究現(xiàn)狀進行了綜述。 第二章：介紹j 神經(jīng)嗍絡(luò)的發(fā)l 與發(fā)展過程，詳細分析了人 神經(jīng)網(wǎng)絡(luò) 的特點、結(jié)構(gòu)、類型及數(shù)7 亨7 模型。本帶是后續(xù)一作的一個琿淪基礎(chǔ)。 第一章：葉細介紹j 移；水預(yù)報選取的b p 網(wǎng)絡(luò)及其改進算法，將洪水預(yù) = ! 的影響i 劇素o 例絡(luò)的輸入輸出建：j 年應(yīng)的對應(yīng)天系，并通過具體實例 i ”自￥j 7 陽f 叫絡(luò)洪水艦h 膜( ，的業(yè)”方泌。 鈣川r l ：釧塒b p 算法有缺陷個 a 搜索能力蕾等問題，捉f lj 了g a l m b p f i i 纖iz q 絡(luò)。歧i | j 0 ；數(shù)自- - j ”5 f j 迭 0 算7 ，：“t5 力策，j j 噦、f j l 化b pp 絡(luò)f 向 l ：，j i n ii “人 ；：碩l j 寧 淪文 初始權(quán)閻值，并f 存遺f 0 椿作巾采明白適應(yīng)。y t 交義牢、變異率和改進交義、 變異算子桐結(jié)合的方濁，攏：南j 7 利t 群的多樣性。同時采用罐r(nóng) 梯度下降法與 自】斯牛頓法結(jié)合的l e v e n b e r g m a l q u a d t ( l m ) b p 算濁寸嘲絡(luò)在遺傳尊濁確 定t i d 4 ；卣吲搜空問內(nèi)進行精確訓(xùn)練，此算法通過連續(xù)異或 u 題進行性能試驗 仿真。 第f f 章：以某水庫3 j 年的最火r 庫區(qū)徑流資料數(shù)掂為例，采用以 g a i 。m b p1 f | 經(jīng)例絡(luò)算法為基礎(chǔ)的一二種預(yù)報模耍9 進行仿真和比較，同時選用 f = ；：| 型l i i 與單運用附加動量的b p 算法和l m 算法的仿真預(yù)報比較。最后還 針剝網(wǎng)絡(luò)的泛化能j 進行j7 討論并采耿了及早停止的策略進行改進。 最后對全文總結(jié)，對人 一= | | 經(jīng)剛絡(luò)在洪水預(yù)報領(lǐng)域的發(fā)勝進行r 展望， 行捉f h 了o j 香法。 第2 章基于人工神經(jīng)網(wǎng)絡(luò)洪水預(yù)報的理論基礎(chǔ) 2 i 引言 利用機器模仿人類的咎能是k 期以束人們認識自然、改造自然的理想。 自從有了能夠存儲信息、進行數(shù)值運算和邏輯運算的電子計算機以來，其功 能和性能得到丁不斷的發(fā)展，使機器智能的研究與外發(fā)h 益受到人們的重視。 1 9 5 ( 5 年i m c c m 1 1 y 等人提出j 7 人 智能的概念i ”1 12 2 1 ，從向形成了一個與神 ! 野生理科學(xué)、認知科學(xué)、數(shù)理引學(xué)、信息論與計算機科學(xué)等密切相關(guān)的交叉 學(xué)科。人_ 神經(jīng)網(wǎng)絡(luò)是人 。智能的請口分，提出于5 0 年代，興起于8 0 年代 巾期，近些午已經(jīng)成為各領(lǐng)域科學(xué)家”競相研究的熱點。 人t 神經(jīng)網(wǎng)絡(luò)( a r t i f i c i a ln e u r a ln c l w o r k s ，縮寫a n 2 , , r ) 足對人腑若干基 本特托通過數(shù)字方法進仃自7 川 象和模擬，是種模仿人腦結(jié)構(gòu)及其功能的非 線性信息處理系統(tǒng)。人舊 l 經(jīng)網(wǎng)絡(luò)具有高速的大規(guī)模并行處理特性，高維 的1 線性動力特性，高度的容錯忡和魯棒愾，信息存儲的分如特一h - ，自組織、 f = _ | 適應(yīng)、自學(xué)習(xí)的 定常i ! ，聯(lián)想記憶的 f 定常性等。 自從公元前u f 罩上多勰時代jr 始，人4 ( j , + j c 丌始研究具有思維能力的機器。 笫一臺電子計j z 十j k z , j 問世使這方麗的研究有了實質(zhì)性的進展。以計算機為q j 屯、的信息處理技術(shù)的高速發(fā)腱，使得計算機在當(dāng)今的信息化社會中起著l 分 重愛i l , j f i - ：劂。似起，當(dāng)川它米解決某些人l ：智能問題時卻遄到了- 很大的團難。 人腦是山7 扛物神經(jīng)，l 均成的h 型網(wǎng)絡(luò)，它在奉質(zhì)卜巧i 刷卜計算機，是 種人覘摸的非仃處里系統(tǒng)，它h 有學(xué)j j 、聯(lián)想、記憶、綜臺等能力，并有巧 妙怕f ；息處理乃法j 。， 【| | i i t q 絡(luò)的j 觀為人們進步了解人嚙思維的兜秘7 1 ： 柑r 新的近靜。s 營它巫，i 址人腑l 門，i 火無缺的恢型，但它j 以通過學(xué)列永 技j ；t 外川內(nèi)i ：t l 以卜f i in m h ! * i | j 以舸決汁算機不功處圳i l j 難題，特別足 f 二i 濱f ： ￥人順 一學(xué)化論文 語音和圖像以別、理斛、知u 的處理、組合優(yōu)化計算利智能控制等一系列本 質(zhì)卜訃計鋒的問題。 在近年來，神經(jīng)網(wǎng)絡(luò)的研究取得了很人的進展。神經(jīng)網(wǎng)絡(luò)以及建立在神 經(jīng)網(wǎng)絡(luò)基礎(chǔ)j 一的神經(jīng)計算機成為當(dāng)代商科技領(lǐng)域巾方興未艾的競爭熱點。 2 2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)生與發(fā)展 人：l 襯；經(jīng)剛絡(luò)的產(chǎn)生與發(fā)腥并非一帆胍順，它經(jīng)歷了一個曲折艱難的過 程。早在j 9 4 3 年，心理學(xué)家m c c u l l o c h 和邏輯數(shù)學(xué)邏輯學(xué)家p i ( t s 在研究e 物神經(jīng)元的基礎(chǔ)上百次提出r 形式尋中經(jīng)元模 兒稱為m p 模型。1 9 4 9 年，心 理學(xué)家h e b b 通過對大腦 經(jīng)細胞學(xué)習(xí)和條件反射的研究，提出了至今仍對 神經(jīng)剛絡(luò)理論有著重要影響的h c b b 規(guī)則。從5 0 年代到6 0 年代初，神經(jīng)網(wǎng) 絡(luò)的研究丌始作為人：r 荃j i 的一種途徑而受到人仃j 的重視。1 9 5 7 年 f r o s e n b l a t t 首次日f 入感知器( p e r c e p t r o n ) 的 l ! ：c 念，它由閩值犁神經(jīng)7 構(gòu)成， 例步具備了并行處理、分靠處理和學(xué)習(xí)等神經(jīng)網(wǎng)絡(luò)的基本特征，從而確立了 從系統(tǒng)的角度研究人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。19 6 2 年w i d r o w 和h o f f 提出了白遁 j 、i 線性，l 件( a d a l i n e ) 及古學(xué)習(xí)規(guī)則。a d a l i n e 模型足感知器的一種變化形式， 是一個連續(xù)駁值的神經(jīng)剛紹。由此掀起j 神經(jīng)網(wǎng)絡(luò)研究的第一次熱潮。 隨著對神經(jīng)網(wǎng)絡(luò)的深入研究，人們巡到了一時難以解決的各種難題。1 9 6 9 年m i n s k y 和p a p c r t 出版j 7 感知器( p c r c c p t r o n ) 一書，該怕指m ：簡單的 感知器只能局限 處理線性問題，劃于非線性問題都無能為力，并指出對多 層感知器還不能找到有效的計算方法。l h 于他們悲觀結(jié)論，存此之后的1 0 蘋一t i ，神經(jīng)例絡(luò)的研究逍入廠一個緩慢發(fā)展的低湖劃。 紅這個低潮馴r l - ，研t 。作并沒柏琵全停頓】、米，仍韻l ：多學(xué)者繼續(xù)進 行探索1 9 7 6 印g l _ o s s b e r g 挺了f 1 通成j l 振胖論( a r t ) ，1 9 8 0 年 # ”i 學(xué)爿 k o h o n o l l 提f f lj 自t e l 9 j 。這些蚓究f 。作刈甜紿闈絡(luò)的發(fā)眨起j 、積極的 排動作川。 i 至1 9 8 2 年，美圖加j ：學(xué)院生物物理學(xué)家h o p f i e l d 通過刈神經(jīng)網(wǎng)絡(luò)動 j 特性的研究，提出j h o p f i c l d 神繹網(wǎng)絡(luò)模型，引入了“能量函數(shù)”的概念， 給m 了網(wǎng)絡(luò)穩(wěn)定一r f 的判拋，成為人i a , i i 經(jīng)i 酬絡(luò)走咖成熟的啦程砷。1 9 8 4 年， 他義提m 廠連續(xù)時問h o p f i c l d 神經(jīng)網(wǎng)絡(luò)模型，為神經(jīng)算機的研究做了，l 拓 f k f ；_ e 作，丌創(chuàng)了種經(jīng)網(wǎng)絡(luò)廠j 于呋恕池憶和優(yōu)化計算的新途徑，有力地推動 rf i 絳網(wǎng)絡(luò)的塒吩。 1 9 8 6 年，der u m e l h a l t 和ji 。m c c e l l a n d 提出廠誤差反i h j 傳播種經(jīng)剛絡(luò) ( b p 例絡(luò)) ，它是種朝著給定輸入輸出關(guān)系方向進行自紐織的網(wǎng)絡(luò)，可以求 解感知器小能解決的問題，從實踐t 證明了神經(jīng)網(wǎng)絡(luò)具自- j 艮強的運算能力， 實現(xiàn)了m i n s k y 引入隱層的設(shè)想。b p 例坌 是目前最為引人注e 的、應(yīng)用最廣 的神經(jīng)同絡(luò)之。 進入2 0 峨紀9 0 年代后；，人工神經(jīng)網(wǎng)絡(luò)從理論研究到軟件l ：發(fā)、硬件實 現(xiàn)、各個學(xué)科領(lǐng)域廣泛應(yīng)用與捌1 滲透等諸多方面取得了全血的發(fā)展。神經(jīng) i 刊絡(luò)涉及了眾多學(xué)科，成咒j 門新興的、綜合性的盼沿學(xué)科，在各個領(lǐng)域 巾都取得，令人矚目的成糶。 2 - 3 生物神經(jīng)網(wǎng)絡(luò)與人工神經(jīng)網(wǎng)絡(luò) 19 8 8 年，ll e c h t n i c l s c n 人j 神經(jīng)網(wǎng)絡(luò)是一個f 曾繹給人工神經(jīng)網(wǎng)絡(luò)h 了如卜i 的定義! “： r 、分佰處目j 結(jié)構(gòu)，它 處理單兀稱為連接的無 處理、p 元( p e p r o c e s s i n g e l e m e n t ) g 有局鄢內(nèi)存， 川tj 丁以完成崗* k 探作。每個處刪學(xué)兒自個犖的輸連接，這個輸出可以 恨 l l ：齋要被分支成希望個數(shù)的璣多j r 連接，日這，嚙= j 行連拔鄙輸m 相同的 j j ，信如0 人小小分戈n 0 多少斫變化。處理r 一 舊數(shù)學(xué) 蝗j 虬每個處刪啦兒一l ，進行的垛作必須是 1 1 兒睜 f 處 哈爾濱1 程人學(xué)碩十學(xué)位論文 完全局部的。也就是說，它必須僅僅依賴于經(jīng)過輸入連接到達處理單元的所 有輸入信號的當(dāng)前值和存儲在處理單元局部內(nèi)存中的值。 要充分了解人工神經(jīng)網(wǎng)絡(luò)，首先必須對生物神經(jīng)網(wǎng)絡(luò)有所了解。生物神 經(jīng)網(wǎng)絡(luò)是由巨量的神經(jīng)細胞( n e u r o n ) ，或稱神經(jīng)元組成的，神經(jīng)細胞的形狀 與一般的細胞有很大的不同，它包括： 細胞體( s o m a ) ：神經(jīng)細胞呈核狀的處理機構(gòu)。 軸突( a x o n ) ：神經(jīng)細胞呈軸索狀的輸送機構(gòu)。 樹突( d e n d r i t e s ) ：神經(jīng)細胞呈樹枝狀的輸出輸入機構(gòu)。 突觸( s y n a p s e ) ：神經(jīng)樹上呈點狀的連接機構(gòu)。 當(dāng)神經(jīng)元透過突觸與樹突從其他神經(jīng)元輸入脈波訊號后，經(jīng)過細胞體處 理，產(chǎn)生一個新的脈波信號，如果脈波信號足夠強并超過一定的值時，就產(chǎn) 生一個尖峰狀的脈沖電位，稱為突觸后電位( p o s ts y n a p t i cp o t e n t i a l ，簡稱 p s p ) 。p s p 在正的方向增大到一定值時，神經(jīng)元就產(chǎn)生并發(fā)放脈沖。能產(chǎn)生 j 下p s p 的突觸為興奮性突觸；否則為抑制性突觸。如脈沖信號經(jīng)過的是興奮 性突觸，則會增加脈波信號的速率；如是抑制性突觸，則會減少脈波訊號的 速率。因此，脈波訊號的速率同時取決于輸入脈波訊號的速率及突觸的強度。 而突觸的強度可視為神經(jīng)網(wǎng)絡(luò)儲存資訊的能力，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)即相當(dāng)于調(diào) 整突觸強度。圖2 1 是一種典型的神經(jīng)元結(jié)構(gòu)示意圖。 圖2 1 生物神經(jīng)元結(jié)構(gòu)示意圖 哈爾濱l ：程人學(xué)碩士學(xué)位論文 生物神經(jīng)元具有以下基本特性： ( 1 ) 神經(jīng)元具有多輸入、單輸出的特眭； ( 2 ) 神經(jīng)元具有非線性的輸入、輸出的特性； ( 3 ) 各神經(jīng)元間傳遞信號的強度是可變的：且輸入信號有興奮作用與抑制 作用之分； ( 4 ) 神經(jīng)元的輸出取決于所有輸入信號迭加綜合的結(jié)果，當(dāng)?shù)刃У木C合輸 入值超過閾值時，該神經(jīng)元被激活，否則將處于抑制狀態(tài)。圖2 2 表征與生 物神經(jīng)元等效的系統(tǒng)模型“。 輸 入 輸 出 圖2 2 生物神經(jīng)元等效模型 現(xiàn)代神經(jīng)生理學(xué)和神經(jīng)解剖學(xué)的研究結(jié)果表明，人腦是極其復(fù)雜的，由 約1 0 個神經(jīng)元交織在一起，構(gòu)成一個網(wǎng)狀結(jié)構(gòu)。它能完成諸如智能、思維、 情緒等高級神經(jīng)活動，被認為是最復(fù)雜、最完美、最有效的一種信息處理系 統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)是對人腦若干基本特征通過數(shù)字方法進行的抽象和模擬， 是一種模仿人腦結(jié)構(gòu)及其功能的非線性信息處理系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)具有高 速的大規(guī)模并行處理特性，高維的非線性動力特性，高度的容錯性和魯棒性， 信息存儲的分布特性，自組織、自適應(yīng)、自學(xué)習(xí)的非定常性，聯(lián)想記憶的非 定常性等。 2 4 人工神經(jīng)網(wǎng)絡(luò)的特點 1 、大規(guī)模的并行計算與分布式存儲能力 傳統(tǒng)計算機的計算和存貯是相互獨立的，而在a n n 中，無論是單個神 經(jīng)元還是整個神經(jīng)網(wǎng)絡(luò)都兼有信息的處理和存貯的雙重功能，這兩種功能自 哈爾濱i 程人學(xué)碩士學(xué)位論文 然融合在同一網(wǎng)絡(luò)中。a n n 計算過程的并行性決定了期對信息的高速處理能 力。 2 、線性映射能力 a n n 各神經(jīng)元的映射特征是非線性的，有些網(wǎng)絡(luò)的單元間采用復(fù)雜的非 線性連接。因此，a n n 是一個大規(guī)模的非線性動力系統(tǒng)，具有很強的非線性 處理能力。 3 、強魯棒性和容錯性 由于信息的分布存儲和集體協(xié)作計算，每個信息處理單元既包括對集體 的貢獻又無法決定網(wǎng)絡(luò)的整體狀態(tài)，因此，局部神經(jīng)網(wǎng)絡(luò)的故障并不影響整 體神經(jīng)網(wǎng)絡(luò)輸出的正確性。 4 、自適應(yīng)、自組織、自學(xué)習(xí)能力 神經(jīng)網(wǎng)絡(luò)最突出的特點就是自適應(yīng)、自組織、自學(xué)習(xí)的能力，它可以處 理各種變化的信息，而且在處理信息的同時，非線性動力系統(tǒng)本身也在不斷 變化，即可以通過對信息的有監(jiān)督和無監(jiān)督學(xué)習(xí)，實現(xiàn)對任意復(fù)雜函數(shù)的映 射，從而適應(yīng)環(huán)境的變化。 5 、非局域性 一個神經(jīng)網(wǎng)絡(luò)通常由多個神經(jīng)元廣泛連接而成。個系統(tǒng)的整體行為不 僅取決于單個神經(jīng)元的特征，而且可能由神經(jīng)元之間的互相作用、相互連接 所決定，通過神經(jīng)元之間的連接模擬大腦的非局域性，聯(lián)想記憶是非局域性 的典型例子。 6 、非凸性 一個系統(tǒng)的演化方向，在一定條件下將取決于某個特定的狀態(tài)函數(shù)，例 如能量函數(shù)，它的極值對應(yīng)系統(tǒng)某個比較穩(wěn)定的狀態(tài)。非凸性是指某個系統(tǒng) 的能量函數(shù)有多個極值，故系統(tǒng)具有較多個較穩(wěn)定的平穩(wěn)狀念，這將導(dǎo)致系 統(tǒng)演化結(jié)果的多樣性。 哈爾濱1 群人學(xué)碩士學(xué)位論文 2 5 人工神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型 從信息加工這個角度看，在神經(jīng)元所具有的各種機能中最重要的是，在 突觸處對許多輸入在空間和時間上進行加權(quán)的性質(zhì)，以及神經(jīng)元細胞的閩值 作用。人工神經(jīng)網(wǎng)絡(luò)的每一個處理單元的輸出以扇狀送出，成為其它許多處 理單元的輸入。處理單元的輸出值與輸入值關(guān)系式，一般可用輸入值的加權(quán) 乘積和的函數(shù)來表示。將生物神經(jīng)元的信息處理過程采用數(shù)學(xué)方式進行描述， 便得到了人工神經(jīng)元的數(shù)學(xué)模型，如圖2 3 所示。 z 圖2 3 人工神經(jīng)元的數(shù)學(xué)模型 這里的，x ：，x i ，_ 分別表示來自其它神經(jīng)元突觸的輸入；相應(yīng)的 ，”，2 ，彤，表示突觸l ，2 ，i ，n 與第j 個神經(jīng)元的突觸連 接強度，即連接權(quán)值：q 表示是神經(jīng)元j 的閩值；神經(jīng)元j 的凈輸入s ，為： s i