第30卷第12期人民黄河V01．30．No．122008年l2月YEIOWRIVERDec．．2OO8【水文·泥沙】冰凌预报模糊优选神经网络组合预测方法冀鸿兰，朝伦巴根，陈守煜，张道军(1．内蒙古农业大学水利与土木建筑工程学院，内蒙古呼和浩特010018；2．大连理工大学土木水利学院，辽宁大连116024)摘要：基于工程模糊集、人工神经网络、遗传算法与组合预测理论，提出了模糊优选神经网络组合预测模型，应用于黄河内蒙古段冰凌预报，给出了3种单一预测模型和组合预测模型的预测值，结果表明：组合预测模型物理意义明确，数学推导过程严谨，预测精度高于单一预测模型。关键词：组合预测；模糊优选神经网络；冰凌预报；黄河中图分类号：TV875文献标识码：A文章编号：1000—1379(2008)12—0047-03黄河流域面临暴雨洪水和冰凌洪水两类洪水的威胁。冰=≤一(1)凌洪水突发性强、涨势猛、持续时间长，运行规律难以掌握，产max式中以为模型预测期￡的预测值；为预测对象在各预测期生的灾害有时更甚于暴雨洪水。凌汛是由河道里的冰凌对水．流的阻力作用而引起的一种涨水现象。黄河内蒙古段每年冬t实测值的最大值，若>，则令=l。春季节都有不同程度的凌汛灾害发生，针对这种情况，分析影相应地，预测对象实测值的规格化公式为响河流冰情的热力因素、动力因素、河势因素，相对准确地预报Ⅱ=(2)封河、开河日期，对防凌和黄河流域水资源系统的可持续发展．^m“具有十分重要的意义。式中：为预测对象预测期t的实测值。模糊集、神经网络、遗传算法是当前智能科学的核心内容。设有n个预测期，预测期t的输入为，i=1，2，⋯，m；t=笔者在模糊优选神经网络模型的基础上J，将工程模糊集、神1，2，⋯，n。在输入层，节点i将信息直接传给隐含层节点，故节经网络、遗传算法和组合预测有机结合，提出了模糊优选神经网点输出与输入相等，即络的组合预测方法，并将其应用于黄河内蒙古段的冰凌预报。=(3)对隐含层的节点k，其输入为1模糊优选神经网络组合预测模型=．(4)1．1构建组合预测模型拓扑结构采用陈守煜提出的模糊优选模型(优化准则参数：2，距通常采取3层模糊优选神经网络系统，输入层有m个输入离参数P=1)作为网络的激励函数，使网络具有物理意义，则节点，其中m为参与组合预测的模型个数；隐含层有z个隐节隐含层节点k的输出为点，节点数可根据样本分类数确定；输出层仅有1个单节点，见=1／{1+[(r)一1]}_1／[1+(。一1)]图1。(5)式中：为输人层与隐含层节点的连接权重。输出层输出层仅一个节点P，输入为f点t苫(6)隐含层输出为l／[1+(印u一1)]：l／[1+(一1)](7)式中Wkp为隐含层与输出层节点的连接权重。输入层图13层模糊优选神经网络收稿日期：2008—07-02基金项目：国家自然科学基金资助项目(59979008)。1．2建立连接权重调整模型作者简介：冀鸿兰(1970～)，女，内蒙古呼和浩特人，{教授，博士后，主要研究将预测对象的实测值、各预测模型的预测结果规格化，可方向为水文水资源、模糊集理论与应用。得到相应的规格化矩阵。各预测模型预测结果的规格化公式为E·mail：honglanji@sina．corn·48·人民黄河2008正网络的实际输出“就是模糊优选神经网络对输入的响应，设预测期t的期望输出为，则其平方误差为2内蒙古段冰凌预报实例应用E=[Up一]／2(8)应用梯度下降法调节网络中的连接权重，使E最小。隐含影响凌汛的三大因素是热力因素、动力因素、河势因素。热力因素主要有太阳辐射热、气温、水温、降水降雪；动力因素层和输出层节点的连接权重调整量为主要有水位、流速、流量、大风；河势因素主要有河道比降、糙1一∑Wh／Zh率、河面宽度、弯曲度。太阳辐射热是形成不同气候条件和气△如=2—1。三÷(口一。)(9)(~Wkp‰)候变化的基本因素，水温是大气与河流水体热交换的结果，二k_l输入层和隐含层节点的连接权重调整量为者与气温密切相关。内蒙古段冬春季节降水降雪较少。在过水断面不变的情况下，水位、流速与流量具有函数关系。暂不1一∑W△谴：2叼M2缸——三——(10)考虑河势因素，原因是河势因素相对变化不大。冰情数据源于(埘)黄河内蒙古段沿线各测站的统计资料，基本能够反映内蒙古段式(9)、式(1O)为组合预测模型的模糊优选神经网络各层间连的冰情现象，且精度可靠。接权重的调整模型。基于物理成因分析、模糊聚类分析，确定黄河内蒙古段封1．3模型训练河、开河日期预报单一预测模型的最佳预报因子。对于封河将第i(i=1，2，⋯，