[发明专利]利用相似性搜索和改进BP神经网络预测水位的方法

摘要

本发明公开一种利用相似性搜索和改进的BP神经网络预测水位的方法，根据待预测日前十五日的水位与前五十年拥有相似水文特征月份的水位进行相似性度量，查找出其与每一年最相近的水位时间段，然后将这五十年的最相近的水位时间段以及后一日的水位作为训练集，采用基于遗传算法的BP神经网络进行预测。该方法包括数据预处理，旨在弥补数据缺失错误等；相似性搜索，利用动态弯曲距离和滑动窗口技术，找出该十五日水位与前五十年相似月份水位最小的距离即最相似序列；基于遗传算法的BP神经网络，用遗传算法建立系统层次结构进行全局寻优，并利用BP神经网络的学习训练能力进行预测。本发明能够提前预测水位，为防洪抗灾提供有效的技术支持。

主权项

一种利用相似性搜索和改进BP神经网络预测水位的方法，其特征在于，包括：a) 数据预处理，包括：数据选择、数据清洗、数据转换；首先确定需要处理的数据即待预测日前十五日水位和前五十年相同月份的水位值，这就是数据选择；对于水文时间序列中存在的缺失和噪声需要进行清洗，使之不影响结果的正确性即数据清洗；对时序数据进行平滑处理即数据转换，采用插值、数据填充、序列平滑等变换方法对时间序列进行预处理，为相似性搜索模型做准备；b)相似性度量：根据动态时间弯曲距离，利用滑动窗口技术，用待预测日前十五日的水位在五十年同月份水位中查找最相似的水位时间段，将这五十组相似水位及相应的后一日水位作为训练集；c)遗传算法：在训练前，先通过遗传算法对染色体的选择交叉变异等遗传运算找到BP神经网络最优的初始权值；并且，当BP神经网络陷入极小值时，再次转入遗传算法优化网络参数；当满足一定的精度后获取最优权值和阈值； d)BP神经网络即反向传播神经网络：将由遗传算法得到的最优初始权值以及满足条件的最优权值阈值代入BP神经网络进行训练，得到样本的实际输出与期望输出之间的误差，再按照正常的训练原则调整权值矩阵，再次进行训练，直到得到最终的权值，最后根据待预测日前十五日的水位得到预测值。