CAJ | 학술논문

对于易受洪灾的地区而言,快速而准确的洪水预报非常重要,能够为洪水预警消息的发布提供更长的先导时间,从而为可能受灾地区的人们提供更充足的时间以采取相应的防洪措施或安全转移.常用的预报模型包括基于物理性模型和基于系统技术模型.尽管物理性模型能对洪水形成的物理过程提供很好的解释,水文学家并不愿意使用它们,因为模型中参数的率定是比较复杂的.因此,一种基于纯数据集的黑箱技术已被广泛采纳.常用的黑箱模型包括线性模型(LR)、自回归移动平均模型(ARMA)和人工神经网络模型(ANN)等.在当前的研究中,一个相对新颖的黑箱模型--基于自适应网络的模糊推理系统(ANFIS)被用来对长江某河段的洪水进行预报.与此同时,一个线性回归模型(LR)用来作为ANFIS模型的对照.在构建ANFIS中,混合学习算法(即误差反衍(BP)耦合最小二乘法(LSE))用来训练模型的参数.此外,为避免出现过度训练现象,原始数据集基于统计特征值划分成3个子集:训练集、测试集和校正集.当对ANFIS模型训练时,测试集用来帮助控制训练代数.结果表明,ANFIS的预报效果优于LR模型.分析认为ANFIS能够提供预报精度是因为其采用了局部拟合技术,通常它会优于LR模型所采用的全局拟合技术.最后.对本研究而言,最适合的ANFIS模型是输入量为梯形的成员度函数.
대우역수홍재적지구이언,쾌속이준학적홍수예보비상중요,능구위홍수예경소식적발포제공경장적선도시간,종이위가능수재지구적인문제공경충족적시간이채취상응적방홍조시혹안전전이.상용적예보모형포괄기우물이성모형화기우계통기술모형.진관물이성모형능대홍수형성적물리과정제공흔호적해석,수문학가병불원의사용타문,인위모형중삼수적솔정시비교복잡적.인차,일충기우순수거집적흑상기술이피엄범채납.상용적흑상모형포괄선성모형(LR)、자회귀이동평균모형(ARMA)화인공신경망락모형(ANN)등.재당전적연구중,일개상대신영적흑상모형--기우자괄응망락적모호추리계통(ANFIS)피용래대장강모하단적홍수진행예보.여차동시,일개선성회귀모형(LR)용래작위ANFIS모형적대조.재구건ANFIS중,혼합학습산법(즉오차반연(BP)우합최소이승법(LSE))용래훈련모형적삼수.차외,위피면출현과도훈련현상,원시수거집기우통계특정치화분성3개자집:훈련집、측시집화교정집.당대ANFIS모형훈련시,측시집용래방조공제훈련대수.결과표명,ANFIS적예보효과우우LR모형.분석인위ANFIS능구제공예보정도시인위기채용료국부의합기술,통상타회우우LR모형소채용적전국의합기술.최후.대본연구이언,최괄합적ANFIS모형시수입량위제형적성원도함수.