BP神經(jīng)網(wǎng)絡(luò)在黃河流域需水量的應(yīng)用研究
頁數(shù) 43頁 字數(shù) 2.7萬字
附錄A：流程圖及表格
附錄B：英語引文及翻譯
附錄C：中文文獻及摘要
附錄D：BP仿真程序
改進后的BP仿真程序

引 言

河流需水量變化的分析與預測對國民經(jīng)濟發(fā)展十分重要，它是水資源工程規(guī)劃、設(shè)計和運行管理水利水電工程的基本依據(jù)。如果其系列的統(tǒng)計值（如均值）過大，使工程規(guī)模大，投資亦大，不經(jīng)濟，有時還可能因此而失去及時興建的機會；若其統(tǒng)計值過小，工程規(guī)模偏小，又難以最大限度地發(fā)揮水資源的綜合利用效益。所以，需水變化的分析與預測是水資源研究領(lǐng)域的一項重要內(nèi)容，它在水資源利用的長遠規(guī)劃中具有舉足輕重的地位。
黃河流域，西起青藏高原的巴顏喀拉山，東臨渤海的黃河下游沖積平原和魯中南低山丘陵區(qū)，北抵陰山的內(nèi)蒙古高原，南至橫亙黃土高原的秦嶺，幅員遼闊、跨越多種自然地理環(huán)境，受來自不同的氣候帶的影響，致使流域內(nèi)氣象萬千，需水要求錯綜復雜。也由于對其流域需水量的認識程度，以及分析、模擬流域所持有實測的、文獻記錄的或歷史調(diào)查等資料情況的局限，至今還難以完全用數(shù)學物理方法確切地描述其中每一個子過程。而黃河又是我國西北、華北地區(qū)的重要水源，在新中國成立以前的數(shù)千年里，我國人民在利用黃河水資源和與黃河災(zāi)害作斗爭的過程中，對黃河流量的變化規(guī)律己有了一定的認識。但黃河流域需水量變化的中長期預報開始于新中國成立后的20世紀60年代。如：采用回歸預測法和移動平均法等分析法制作黃河流域中長期需水量的預測。20世紀80年代以后隨著電子計算機的廣泛應(yīng)用，各種統(tǒng)計預測方法在中長期預報中得到應(yīng)用，降雨、徑流、氣溫中、長期預報在黃河防洪、防凌和水資源利用中起到了積極的作用。
然而，傳統(tǒng)的預測方法有其誤差大的缺點，本次畢業(yè)設(shè)計采用神經(jīng)網(wǎng)絡(luò)方法對黃河流域需水量進行預測，能夠有效克服傳統(tǒng)方法面臨的缺點。本文對神經(jīng)網(wǎng)絡(luò)和BP網(wǎng)絡(luò)算法的優(yōu)缺點及其改進作了簡單介紹。

目錄
第1章 概 述
1.1 問題的提出
1.2 研究的目的和意義
1.3 國內(nèi)外關(guān)于水資源預測研究概況
第2章 人工神經(jīng)網(wǎng)絡(luò)簡介
2.1 引言
2.2 起源和發(fā)展
2.3 國際及我國的研究、應(yīng)用現(xiàn)狀
2.4 人工神經(jīng)網(wǎng)絡(luò)的定義
2.5 人工神經(jīng)網(wǎng)絡(luò)模型
2.6 網(wǎng)絡(luò)模型
2.7 學習模型
第3章 BP算法簡介
3.1 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
3.2 BP神經(jīng)網(wǎng)絡(luò)的學習算法
3.3 BP網(wǎng)絡(luò)存在的問題
3.4 BP的改進
第4章 黃河流域需水量的應(yīng)用研究
4.1 BP神經(jīng)網(wǎng)絡(luò)應(yīng)用
4.2 BP改進型的應(yīng)用
4.3 解決黃河缺水問題的認識
結(jié)論與展望
致 謝
參考文獻


參考文獻
[3] 閏志忠，劉金英.改進的BP神經(jīng)網(wǎng)絡(luò)在流域產(chǎn)沙量預測中的應(yīng)用[J]. 世界地質(zhì)，2002，21（3）：266-270 吉林大學應(yīng)用數(shù)學研究所，吉林 長春
[4] 胡守仁等.神經(jīng)網(wǎng)絡(luò)導論[M].北京：國防科技大學出版社，1993.
[5] 施陽，李俊.MATLAB語言工具箱[M].西安：西北工業(yè)大學出版社，1998，165-169.
[6] 聞新，周露，李翔，張寶偉編著.MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用[M].北京：科學出版社，2003.
[7] 高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實例[M].北京：機械工業(yè)出版社.2003.
[8] 董長虹.Matlab神經(jīng)網(wǎng)絡(luò)與應(yīng)用[M].北京：國防工業(yè)出版社，2005.
[9] 虞和濟，陳長征，張省，周建男著.基于神經(jīng)網(wǎng)絡(luò)的智能診斷[M].北京：冶金工業(yè)出版社，2000.
[10] 薛小杰.水資源可再生臨界控制研究[D].NH.中文數(shù)據(jù)庫，優(yōu)秀博碩論文庫。2002.9
[11] 樓順天，施陽.基于MATLAB的系統(tǒng)分析與設(shè)計[M].西安：西安電子科技大學出版社.2000
[12] 戴葵.神經(jīng)網(wǎng)絡(luò)實現(xiàn)技術(shù)[M].北京：國防科技大學出版社，1998.
[13] Bardiner,J.Use of EIA in delivering sustainable development through integggrated water management[J]. European Water Pollution Control,1996,6（1）: 50-59.
[14] Medsker L.R, Hybrid Neural Network and Expert Systems[M]. Boston: Kluwer Academic Publisher, 1994.
[15] P.-H. Chen,J.-Y. Yen,J.-L. Chen,An artificial neural network for double exposure PIV image analysis[J]. Experiments in Fluids,1998, Volume 24,Numbers 5-6: 373-374.
[16] J.V. Hansen and R.D. Meservy,Learning experiments with genetic optimization of a generalized regression neural network,Decision Support Systems 18 （1996） （3–4）,pp. 317–325.