水文水资源系统计算智能评价与预测方法研究

发布时间：2020-07-27 22:48

【摘要】：水文水资源系统是一个具有社会性、自然性、开放性和动态多变性的复杂巨系统。系统受到极其复杂的众多确定性因素影响,同时,它又包含大量难以确知和难以精确量化的自然和社会因素的不确定性,这些不确定性信息既有随机性的,也有模糊性的。因此水文水资源系统问题常常表现出高维、多峰、非线性、不连续、带噪声等复杂特征。传统的研究方法需要进一步发展,尤其是对不确定性方面的研究。计算智能包括模糊集理论(Fuzzy Sets Theory,FST)、人工神经网络(Artificial Neural Networks,ANN)、遗传算法(Genetic Algorithms,GAs)等技术的发展为解决上述复杂问题提供了新的途径和可能性。本文展开计算智能某些领域在水文水资源系统评价、预测中的应用研究。具体研究内容和研究成果概括如下: 在针对像水利工程后评价这种既要考虑定量指标(经济、技术等)也要考虑许多难以量化的定性指标(社会影响、环境影响等)的多指标半结构性评价问题,在工程模糊集理论基础上,提出了将专家个人与群体意见综合的模糊评价方法。给出了有效的评价指标定量方法与专家意见和指标结果集结方法,并最终获得对方案的总评价值(或等级划分)。后评价实例表明了方法的优越性和有效性。展开了基于工程模糊集理论与神经网络混合的模糊优选神经网络在水资源决策评价中应用研究。首先,从神经网络特性出发论述了神经网络的评价方法机理:相似评价样本以及决策评价工作一般都会有较为详细的评价标准,这些都是评价经验与知识的结晶,在此基础上利用模糊优选BP神经网络模型神经网络的学习能力建立评价模型。本部分对模糊优选BP神经网络在水文水资源评价中的应用进行了较为系统的探讨。模型方法应用于区域水资源可持续利用评价中取得了较好的效果。混合工程模糊集理论与ART自适应理论以及Kohonen自组织神经网络提出一种自组织模糊聚类神经网络,并把模型方法应用于水资源丰富度评价研究中。模型不仅发挥了工程模糊集理论在处理复杂水资源问题上的优势,同时融入ART网络的自适应谐振理论, 具有结构自适应能力。应用模糊竞争学习算法不仅保留了样本之间的相近信息,而且可以有效克服了Kohonen-ART网络胜者为王算法中神经元学习不足的缺点,改善网络学习效果。尝试把最近发展起来的支持向量机(SVM)引入水文预测中,为小样本情况下水文预水文水资注系统计算智能评价与谈侧方法研究测提供一种行之有效的可选择方法。在此基础上,本文进一步把陈守馒模糊模式识别理论引入支持向量机,提出了一种模糊模式识别核函数。该核函数具有更明确合理的物理意义,算例计算分析结果也表明了该核函数的有效性和可行性. 在混合计算智能的理念基础上,针对GIS空间分析计算流域面雨t在水文预报中的存在的问题,提出了结合模糊优选神经网络与地理信息系统的流域面雨t智能预报模型与方法。方法不仅解决了传统方法面雨t计算中雨t站权重确定的难题,而且可以根据实测降雨很快给出流域面雨t。龙风山水库流域面雨t计算表明了模型方法的有效性与可行性。最后,概括总结本文的主要研究内容以及取得的成果,并对有待进一步研究的问题进行了展望. 关键词:水资源评价;计算智能;模糊性:模糊模式识别;神经网络;模糊优选神经网络;模糊聚类神经网络;智能预测;地理信息系统;支持向量机;
【学位授予单位】：大连理工大学
【学位级别】：博士
【学位授予年份】：2004
【分类号】：TV213.4

【引证文献】