1、洪水預(yù)報(bào)是一項(xiàng)重要的防災(zāi)減災(zāi)非工程措施,而以往的洪水預(yù)報(bào)方法較為復(fù)雜,建模工作要求較高,不易普及.從上世紀(jì)八十年代以來,以人工神經(jīng)網(wǎng)絡(luò)技術(shù)為代表的機(jī)器學(xué)習(xí)技術(shù)逐漸應(yīng)用于洪水預(yù)報(bào)領(lǐng)域,并取得了一定的成果.該文結(jié)合機(jī)器學(xué)習(xí)技術(shù),從尋找易用的、準(zhǔn)確的、可靠的、實(shí)用性強(qiáng)的洪水預(yù)報(bào)方法的角度出發(fā),建立了多種基于新型的學(xué)習(xí)機(jī)器的洪水預(yù)報(bào)模型,并通過這些模型在實(shí)例中的表現(xiàn),對(duì)它們的性能進(jìn)行了評(píng)價(jià),提出了幾種基于學(xué)習(xí)機(jī)器的洪水預(yù)報(bào)解決方案.該文的主要內(nèi)

2、容包括:(1)對(duì)Elman型回饋人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了介紹,并對(duì)利用Elman型人工神經(jīng)網(wǎng)絡(luò)進(jìn)行洪水預(yù)報(bào)動(dòng)態(tài)建模中數(shù)據(jù)降噪、訓(xùn)練控制、模型結(jié)構(gòu)選擇等關(guān)鍵技術(shù)問題進(jìn)行了較為深入的探討,對(duì)采用不同模型輸入時(shí)模型的預(yù)報(bào)效果進(jìn)行對(duì)比.實(shí)例結(jié)果表明該模型是有效的,并具有強(qiáng)壯性、外延性等優(yōu)點(diǎn).(2)針對(duì)人工神經(jīng)網(wǎng)絡(luò)建模模型規(guī)模較大的問題,引入了因素分析法,通過這種方法,縮減了模型參數(shù)的規(guī)模,在不降低模型效果的前提下,減少了模型訓(xùn)練和模擬的計(jì)算量,加

3、強(qiáng)了模型的實(shí)用性.(3)通過建立復(fù)合型型人工神經(jīng)網(wǎng)絡(luò)模型的方法,有效的利用給定水文系統(tǒng)的先驗(yàn)知識(shí)為人工神經(jīng)網(wǎng)絡(luò)模型的建模提供指導(dǎo),使得建立出的模型更具合理性,該方法不同于傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)建立方法,為基于人工神經(jīng)網(wǎng)絡(luò)的洪水預(yù)報(bào)建模提供了一種新的思路.(4)支持向量機(jī)(SVM)是一種適于在小樣本情況下進(jìn)行建模的學(xué)習(xí)機(jī)器.該文參考前人的工作,對(duì)統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)的相關(guān)知識(shí)進(jìn)行了介紹,分析了SVM模型的特點(diǎn),并對(duì)選用不同的模型和參數(shù)對(duì)支

4、持向量機(jī)模型的影響進(jìn)行了探討.(5)根據(jù)支持向量機(jī)的特點(diǎn),建立了固定訓(xùn)練樣本集的SVM洪水預(yù)報(bào)模型、固定訓(xùn)練樣本集長(zhǎng)度的動(dòng)態(tài)遞推SVM洪水預(yù)報(bào)模型和帶記憶的動(dòng)態(tài)遞推SVM洪水預(yù)報(bào)模型三種基于SVM的洪水預(yù)報(bào)模型,它們?cè)趯?shí)例中的表現(xiàn)體現(xiàn)出了良好的應(yīng)用前景.(6)針對(duì)各種基于學(xué)習(xí)機(jī)器的洪水預(yù)報(bào)模型,文中通過實(shí)例對(duì)它們的預(yù)報(bào)效果進(jìn)行了評(píng)價(jià),較為系統(tǒng)的對(duì)比了它們的特點(diǎn),為它們?cè)诤樗A(yù)報(bào)領(lǐng)域內(nèi)的產(chǎn)品化提供了指導(dǎo).(7)提出了洪水預(yù)報(bào)模型預(yù)評(píng)估機(jī)(