[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

本發明公開了一種基于改進BP神經網絡的汛情監測方法,包括以下步驟：步驟(1)、采集汛情特征參數:選擇降雨量、流量和液位作為汛情監測模型數據輸入類型，并采集數據；步驟(2)、數據預處理：對采集的訓練和測試樣本數據進行預處理；步驟(3)、構建BP神經網絡模型：確定輸入/輸出層節點數、隱含層層數及節點數，選取傳遞函數、訓練函數與學習率等參數，構建BP神經網絡模型；步驟(4)、優化BP神經網絡模型：基于遺傳算法，優化BP神經網絡模型的結構與參數，獲得最優的神經網絡隱層數、神經元間初始權值及閾值；步驟(5)、測試優化后BP神經網絡模型：對優化后的BP神經網絡模型進行訓練和測試。

技術領域

本發明涉及汛情監測領域，更具體的說是一種基于改進BP神經網絡的汛情監測方法。

背景技術

隨著社會生產力的不斷發展，水利工程在國民經濟中所起的作用越來越大，防汛工作更是重中之重。汛情監測是根據已掌握的水文、氣象資料，根據流域上發生的暴雨或者河流上游來水，經過水文計算最終預估在流域內發生的洪水過程，給出合理的洪水預報。洪水預報也是水庫調度與防汛搶險決策的重要依據，因此預報必須具備一定的可靠性與可預期性。而與此同時，當今網絡技術和自動化技術的飛速發展，防汛監測信息化、自動化、智能化是實現防汛工作的重要技術措施，因此BP神經網絡就應運而生。雖然采用BP神經網絡可以精準的預測水位變化情況，但仍存在一些缺陷，如容易陷入一些局部極值點。

發明內容

為了解決上述技術問題，本發明提供了一種基于改進BP神經網絡的汛情監測方法。

為了達到上述目的，本發明所采用的技術方案是：

基于改進BP神經網絡的汛情監測方法，包括如下，

采集汛情特征參數；

樣本數據的預處理；

構建BP神經網絡模型；

優化BP神經網絡模型；

測試優化后的BP神經網絡模型。

用遺傳算法優化BP神經網絡的過程為，

S1)確立優化算法停止目標；

S2)對隱含層數目和初始權值及閾值進行實數編碼；

S3)將BP神經網絡得到誤差作為適應度值；

S4)依次經過選擇操作、交叉操作、變異操作及適應度值的計算；

S5)循環步驟S4，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。

本發明達到的有益效果：本發明將遺傳算法和BP神經網絡有機結合起來，遺傳算法是一種基于生物機制的全局搜索優化算法，利用遺傳算法優化BP神經網絡的隱含層數目和初始權值及閾值，再利用誤差反向傳播方法找到其最優解，避免了陷入局部極值點的情況。

附圖說明

圖1為改進BP神經網絡的汛情監測方法的流程圖；。

圖2為在24小時內采用本發明的預測圖；

圖3是在36小時內采用本發明的預測圖。

具體實施方案

下面結合附圖和實例對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發明，并不用于限定本發明。

基于改進BP神經網絡的汛情監測方法，包括以下步驟：

步驟1，采集汛情特征參數。如圖1所示，汛情特征參數具體為液位、流量、降雨量三種特征參數。