基于混合优化的神经网络在气象灾情评估中的应用研究

【摘要】：地球上的气象灾害日益频繁,而由暴雨引发的洪涝灾害影响范围大、增长速度快。长期以来,防洪工程措施一直占据主导地位,随着社会的发展,人们逐渐意识到,非工程防洪措施的开展是十分重要和必要的。洪水灾情评估即是整个非工程防洪措施中的一个重要环节,其评估结果为灾害管理决策提供重要依据。 本论文在国内外洪水灾情评估体系研究成果的基础上,探讨气象灾害中洪水灾情智能评估模型的研究理论和实现方法。针对评估因子与洪灾等级之间具有高度不确定的非线性关系,应用神经网络理论进行洪水灾情评估。选取获得广泛实际应用的BP神经网络,针对其初始权值敏感,易陷入局部极值的缺点,提出一种新的基于混合优化的BP神经网络用于洪水灾情评估模型中。本文的主要研究内容包括以下几个方面： (1)洪水灾情评估方法的分析总结。介绍了防治洪水灾害的工程措施以及非工程措施,并在此基础上对洪水灾情的评估方法进行了总结,分析归纳了现有方法的优缺点。 (2)含交叉因子的改进PSO-GA算法的提出。针对BP神经网络学习速度慢、存在局部最小问题等缺点,以选用智能算法中的粒子群算法对其进行参数优化的思想,提出了一种含交叉因子的改进PSO-GA混合算法(IPGC),并将其用于北京市郊区不同重现期的暴雨强度与降雨历时关系的参数优化问题中,实例结果表明,该算法是有效和可行的。 (3)基于混合优化BP神经网络的洪灾评估模型的研究。在评估模型设计中,从评估因子选取、灾情等级划分以及评估模型构造三个方面进行研究,深入探讨基于混合优化BP神经网络的洪水灾情评估模型(IPGC-BP)的构建方法,并与基于传统粒子群算法优化的BP神经网络洪水灾情评估模型(PSO-BP)进行对比分析,实验结果表明,IPGC-BP能够反映多个评估因子与灾情等级间的相关性,可用于对洪涝灾情等级进行评估,在应答速度和评估精度上都表现出良好的性能。