[發明專利]新息遞補多層非線性映射神經網絡模型需水預測方法

無效

• 申請號: 200810012323.7
• 申請日: 2008-07-15
• 公開（公告）號: CN101308552A
• 公開（公告）日: 2008-11-19
• 發明（設計）人: 朱志鋒
• 申請（專利權）人: 沈陽建筑大學
• 主分類號: G06N3/06
• 分類號: G06N3/06;G06N3/08
• 代理公司: 沈陽技聯專利代理有限公司
• 代理人: 王德榮

技術領域

本發明涉及一種水量預測的方法，特別是涉及一種新息遞補BP(多層非線性映射神經網絡)模型需水預測方法。

背景技術

水資源是基礎的自然資源，同時又是戰略性經濟資源。展望未來，水資源正日益影響全球的環境與發展。探討21世紀水資源戰略問題是全球共同關注的焦點之一。過去由于預測方法的局限性，對需水量的預測普遍偏高，造成對水資源決策上的不同程度的誤導。而我國是世界上水資源短缺的主要國家之一，有些地區水資源短缺已經達到了嚴重不足的程度，而這有限的寶貴的水資源的不合理開發利用，會加劇水資源緊張狀況和供需矛盾，使水資源開發利用走進了惡性循環怪圈，也影響了水資源的可持續利用和社會經濟的持續發展。

我國在需水量預測中存在需水量預測長期預測結果與實際情況誤差較大等問題，所以在科學認識需水量變化規律的基礎上，建立一個新的需水量預測模型和方法，使長期需水量預測的誤差更小，精度更高，為更加科學合理的進行水資源決策(規劃和優化)提供科學、可靠的依據，則是重中之重。

發明內容

本發明的目的在于提供一種針對在需水量預測中，存在需水量預測長期預測結果與實際情況誤差較大的問題，提出的灰色模型應用于對水量的預測，通過把數學模型編成程序，新息遞補BP神經網絡模型來預測用水量。進行對水量預測。

本發明的目的是通過以下技術方案實現的：

新息遞補多層非線性映射神經網絡模型需水預測方法，該方法為多層非線性映射網絡屬于靜態網，采用最小均方差學習方式，在使其評價函數最小化過程中，完成輸入信號到輸出信號的映射，它由一個輸入層、一個輸出層和一個或多個隱蔽層組成，各層次的神經元之間單向全互聯連接，學習階段采用誤差方向逐層傳播到輸入層，工作階段維輸入矢量逐層正向傳播到輸出層，是一種由非線性變換單元組成的前饋型網絡。

所述的新息遞補多層非線性映射神經網絡模型需水預測方法，該方法是在BP神經網絡模型的基礎上通過遞規調用，每次新的預測值都作為新的數據補充進原始數列同時去掉最老的數列，直到預測到目標年。

本發明的優點與效果是：

首先，該模型是模仿人腦的思維而建立的所以其模擬精度是所有模型中最高的；再次它克服了傳統神經網絡模型預測速度慢、精度不高等的缺點，而且它操作簡單、易行。BP神經網絡具有大規模并行處理、魯棒性好、運算方便、學習能力強等優點，且其模擬能力特別強，所以用它預測需水量是完全可行的。該模型預測的結果與實際值和專家預測結果是較接近的。

附圖說明

圖1是本發明程序編制示意圖。

具體實施方式

下面參照附圖對本發明進行詳細說明。

BP神經網絡是目前人工神經網絡模式中最具代表性、應用最廣泛的一種模型。BP網絡模型是多層非線性映射網絡，屬于靜態網。它采用最小均方差學習方式，在使其評價函數最小化過程中，完成輸入信號到輸出信號的映射。它由一個輸入層、一個輸出層和一個或多個隱蔽層組成，各層次的神經元之間單向全互聯連接，學習階段采用誤差方向逐層傳播到輸入層，工作階段維輸入矢量逐層正向傳播到輸出層，其特點是能實現復雜的高度非線性映射，是一種由非線性變換單元組成的前饋型網絡。

而我們這個新息遞補BP神經網絡模型需水預測方法，是在BP神經網絡模型的基礎上通過遞規調用，每次新的預測值都作為新的數據補充進原始數列同時去掉最老的數列，直到預測到目標年。

1.由于此模型應用的是MATLAB語言編制的，所以在應用之前應先裝有MATLAB程序，打開文件夾。

2.打開shenyangshide.m程序，開始時需要輸入一些基本數據如：年降水量、年末總人口數、地表水資源、地下水資源等，然后運行程序。

3.再打開shenyangshiyu.m程序，同樣開始時需要輸入一些基本數據如：年降水量、年末總人口數、地表水資源、地下水資源等，然后運行程序。

4.預測結果一方面通過圖形表現出來，另一方面你可以打開MATLAB命令窗口，可以查看詳細的運行過程和結果。

首先輸入基本訓練數據，對數據進行處理和設計參數如精度、迭代次數等；通過計算輸出層預測值并判斷精度是否滿足要求，不滿足則接著重復以上操作；接著判斷是否是目標年，不是則返回重新運行，直到目標年。系統配置：P4及以上機型，內存128MB，15英寸以上顯示器，推薦分辨率為800×600。Windows98及以上操作系統，Visual?Basic?6.0、MATLAB7.0以上版本。