ga-bp神经网络模型在流域面雨量预报的应用研究

通过采用遗传算法优化网络初始权重的方法,将遗传算法(ga)和前馈误差反传播(bp)算法有机地结合,优势互补,并应用于流域面雨量预报。以广东省东北部的滨江流域为试验区域,以1995～2001年气象探空资料为基础,利用最优子集回归技术进行预报因子筛选,建立了流域面雨量预报的ga-bp神经网络模型,取得了满意的结果。试验表明:(1)6小时流域面雨量预报神经网络的优化结构是7-7-1,转移函数的组合方式为tansig-线性函数。(2)训练算法为levenberg-marquardt算法(lm)。(3)遗传算法具有快速学习网络权重的能力,对bp网络易陷于局部极小点。(4)利用ga-bp神经网络模型对未来6小时流域面雨量的预报精度明显高于其它统计方法,证明了这种方法的有效性和可靠性。