论文部分内容阅读
水位预测是进行洪水监测的关键,而洪泽湖水面面积又随着水位的上升呈不规则扩大趋势,因此,其水位预测满足不规则非线性函数关系,不易使用某个函数进行逼近。采用了BP神经网络对历年的水文信息进行学习、建模,实现了对这种不规则函数的拟合,并支持在线学习及适时调整。另外,使用改进的粒子群优化算法(PSO)对常规的BP网络进行训练。实验结果表明使用由改进的粒子群优化算法进行训练的BP神经网络进行的水位预测的精度有显著提高,并且在训练过程中尽可能地避免收敛于局部最优值。