[發明專利]一種基于改進BP神經網絡的汛情監測方法

在審

• 申請號: 202011379008.5
• 申請日: 2020-11-30
• 公開（公告）號: CN112381326A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 項波;陳靜;王世馨
• 申請（專利權）人: 安徽理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于改進BP神經網絡的汛情監測方法，其特征在于該方法包括如下步驟：

步驟S1：采集汛情特征參數，將水文站的流量、液位、降雨量數據作為汛情監測模型的輸入樣本，將水位數據作為汛情監測模型的輸出樣本。采集足夠的輸入輸出樣本作為要建立神經網絡模型的訓練和測試樣本；

步驟S2：對采集到的樣本數據進行預處理，依次為：歸一化處理，訓練和測試數據的選取。歸一化處理采用[-1，1]歸一化處理，即將樣本數據映射到[-1，1]區間內，訓練與測試數據取樣本數據的前24組數據。

步驟S3：構建BP神經網絡模型，確定BP神經網絡模型的結構包括輸入層節點數、隱含層節點數、輸出層節點數，選取神經網絡參數包括學習速率、神經元激勵函數、神經元之間的權值、隱含層閾值及輸出層閾值。

步驟S4：優化BP神經網絡模型，基于遺傳算法優化神經網絡的結構和參數，即通過遺傳算法同時進化神經網絡的隱層數和初始各神經元之間的權值及閾值，從而得到最佳的隱層數和初始權值及閾值。

步驟S5：測試優化后的BP神經網絡模型，利用訓練數據訓練優化后的BP神經網絡模型，測試樣本測試訓練后的網絡。

2.如權利要求1所述基于改進的BP神經網絡的汛情監測方法，其特征在于，步驟S4所述對BP神經網絡模型的結構和參數進行優化包括如下步驟：

S4.1：確立優化算法停止目標；

S4.2：對隱含層數目和初始權值及閾值進行實數編碼；

S4.3：將BP神經網絡得到誤差作為適應度值；

S4.4：依次經過選擇操作、交叉操作、變異操作及適應度值的計算；

S4.5：循環步驟S4.4，直至達到迭代停止條件，得到優化后的神經網絡隱含層數目和初始權值及閾值。