基于Copula函数和神经网络模型的洪水预测

发布时间：2020-12-19 07:32

　　从古到今,由于外界多种因素的影响造成洪水的发生频率较高。因此国内外的很多研究学者都把洪水预测作为研究对象,以期为防洪工程建设提供帮助,为人民生命财产安全给予保障。本文在此基础上对基于Copula函数和神经网络模型的洪水预测技术进行了研究。文章首先论述了Copula函数以及神经网络模型在洪水预测中的应用,然后结合目前研究比较热门的混合多种模型的方法对两种模型进行改进。本文的方法如下:1.提出利用EM算法和遗传算法计算混合Copulas函数模型中的参数;2.选择拟合较好的混合Copulas函数模型,3.建立洪峰与时段洪量的混合Copulas函数模型,4.利用它与洪峰值的边缘分布关系求出时段洪量,5.结果与单一Copula函数建立的模型预测结果进行对比分析。仿真结果表明:1.遗传算法较EM算法能够更好的收敛于最优值;2.基于遗传算法的混合Copulas函数模型与单一Copula函数模型相比有较好的灵活性,3.能够更好地描绘出洪峰与整个洪水过程的时段洪量的相互关系。然后针对水位时间序列的复杂性以及变化的迟缓性,在小波神经网络模型的基础上提出扩展小波神经网络模型,利用相关关系分析与模型仿真对比分... 

【文章来源】：南京邮电大学江苏省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

没有激励函数的简单神经网络模型

图 2.5 含有激励函数的简单神经网络模型有的性质：函数是非线性的时候，一个三层的神经网络基本上可以逼是恒等的函数时(即 f ( x) x)，就失去了这个性质。一般多励函数，即这个网络是简单的线性神经网络。方法是基于梯度的，此时激励函数必须是可微的。函数是单调函数的时候，单层网络能够保证是凸函数。函数满足 f(x)≈x 的时候，如果参数的初始化值是随机产生度将会很高效；如果不满足这个性质，那么就需要很谨慎的拟合、结果不理想等意外情况。当激励函数输出值是有限的时候，基于梯度的优化方法权值的影响更显著；当激励函数的输出是无穷的时候，模

图 3.1 遗传算法基本流程需要提前设置，分别为 20~100；，一般取值为 100~500；.4~0.99；.0001~0.1。比分析as 函数的参数的计算过程数的参数估计值为{i

【参考文献】：
期刊论文
[1]基于非参数核密度估计的风速短期相依模型[J]. 徐玉琴,陈坤,聂暘.  太阳能学报. 2017(02)
[2]混合Copula模型选择及其应用[J]. 马梅,卢俊香,杜艳丽.  价值工程. 2017(01)
[3]基于灰色-BP神经网络组合模型的水位预测案例[J]. 马辉,孙颍桃,肖艳,张鹏程.  人民黄河. 2016(12)
[4]基于贝叶斯模型加权平均法的径流序列高频分量预测研究[J]. 王斌,张洪波,辛琛,兰甜.  水力发电学报. 2016(05)
[5]Copula预测方法及其在年径流预测中的应用[J]. 陈晶,王文圣.  水力发电学报. 2015(04)
[6]基于小波神经与随机分析的径流预测[J]. 李保琦,周泽江,马妍博.  西北农林科技大学学报(自然科学版). 2014(11)
[7]Copula函数在广西洪涝灾害的降水概率预测中的应用[J]. 倪增华,刘合香,罗彦丽,谭金凯.  气象研究与应用. 2014(02)
[8]不连续系列的P-Ⅲ型曲线计算机适线法探讨[J]. 赵璧奎,王丽萍,李继清,张验科,喻杉.  水电能源科学. 2012(03)
[9]适线法在洪水超定量系列频率分析中的应用研究[J]. 周川,陈元芳,魏琳,程龙,黄琴,曹雪芹.  水电能源科学. 2011(03)
[10]M-Copula函数在洪水遭遇中的应用研究[J]. 王占海,陈元芳,黄琴,王文鹏,刘勇.  水电能源科学. 2009(01)

博士论文
[1]Copula函数与信息熵理论在洪水多元分析和径流随机模拟中的研究[D]. 童心.南京大学 2015

硕士论文
[1]基于人工神经网络的荆江河段水文研究[D]. 李人姝.广西师范大学 2016
[2]基于人工神经网络的集合洪水预报研究[D]. 张建全.浙江大学 2016
[3]基于M-Copula函数的投资组合和相关风险研究[D]. 申建平.重庆大学 2014
[4]水文频率分析适线法参数估计研究[D]. 鲍振鑫.南京水利科学研究院 2010



本文编号：2925527