人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)有哪些?
人工神經(jīng)網(wǎng)絡(luò)突出的優(yōu)點(diǎn)
(1)可以充分逼近任意復(fù)雜的非線性關(guān)系;
(資料圖片僅供參考)
(2)所有定量或定性的信息都等勢(shì)分布貯存于網(wǎng)絡(luò)內(nèi)的各神經(jīng)元，故有很強(qiáng)的魯棒性和容錯(cuò)性;
(3)采用并行分布處理方法，使得快速進(jìn)行大量運(yùn)算成為可能;
(4)可學(xué)習(xí)和自適應(yīng)不知道或不確定的系統(tǒng);
(5)能夠同時(shí)處理定量、定性知識(shí)。
人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)和優(yōu)越性，主要表現(xiàn)在三個(gè)方面：
第一，具有自學(xué)習(xí)功能。例如實(shí)現(xiàn)圖像識(shí)別時(shí)，只在先把許多不同的圖像樣板和對(duì)應(yīng)的應(yīng)識(shí)別的結(jié)果輸入人工神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)就 會(huì)通過(guò)自學(xué)習(xí)功能，慢慢學(xué)會(huì)識(shí)別類似的圖像。自學(xué)習(xí)功能對(duì)于預(yù)測(cè)有特別重要的意義。預(yù)期未來(lái)的人工神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)將為人類提 供經(jīng)濟(jì)預(yù)測(cè)、市場(chǎng)預(yù)測(cè)、效益預(yù)測(cè)，其應(yīng)用前途是很遠(yuǎn)大的。
第二，具有聯(lián)想存儲(chǔ)功能。用人工神經(jīng)網(wǎng)絡(luò)的反饋網(wǎng)絡(luò)就可以實(shí)現(xiàn)這種聯(lián)想。
第三，具有高速尋找優(yōu)化解的能力。尋找一個(gè)復(fù)雜問(wèn)題的優(yōu)化解，往往需要很大的計(jì)算量，利用一個(gè)針對(duì)某問(wèn)題而設(shè)計(jì)的反饋型 人工神經(jīng)網(wǎng)絡(luò)，發(fā)揮計(jì)算機(jī)的高速運(yùn)算能力，可能很快找到優(yōu)化解。
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，ANNs)，也簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)(NNs)，是模擬生物神經(jīng)網(wǎng)絡(luò)進(jìn)行信息處理的一種數(shù)學(xué)模型。它以對(duì)大腦的生理研究成果為基礎(chǔ)，其目的在于模擬大腦的某些機(jī)理與機(jī)制，實(shí)現(xiàn)一些特定的功能。目前，人工神經(jīng)網(wǎng)絡(luò)已應(yīng)用于很多領(lǐng)域。本章主要對(duì)人工神經(jīng)網(wǎng)絡(luò)的基本理論做一個(gè)全面簡(jiǎn)要的介紹。
神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
神經(jīng)網(wǎng)絡(luò)的基本屬性反映了神經(jīng)網(wǎng)絡(luò)特點(diǎn)，主要表現(xiàn)在：
1.并行分布式處理 神經(jīng)網(wǎng)絡(luò)具有高度的并行結(jié)構(gòu)和并行實(shí)現(xiàn)能力，具有高速尋找優(yōu)化解的能力，能夠發(fā)揮計(jì)算機(jī)的高速運(yùn)算能力，可能很快找到優(yōu)化解。
2.非線性處理 人腦的思維是非線性的，故神經(jīng)網(wǎng)絡(luò)模擬人的思維也應(yīng)是非線性的。這一特性有助于處理非線性問(wèn)題。
3.具有自學(xué)習(xí)功能 通過(guò)對(duì)過(guò)去的歷史數(shù)據(jù)的學(xué)習(xí)，訓(xùn)練出一個(gè)具有歸納全部數(shù)據(jù)的特定的神經(jīng)網(wǎng)絡(luò)，自學(xué)習(xí)功能對(duì)于預(yù)測(cè)有特別重要的意義。
4.神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn) 要使人工神經(jīng)網(wǎng)絡(luò)更快、更有效地解決更大規(guī)模的問(wèn)題，關(guān)鍵在于其超大規(guī)模集成電路(V LSI)硬件的實(shí)現(xiàn)，即把神經(jīng)元和連接制作在一塊芯片上(多為CMOS)構(gòu)成ANN，神經(jīng)網(wǎng)絡(luò)的VLSI設(shè)計(jì)方法近年來(lái)發(fā)展很快，硬件實(shí)現(xiàn)已成為ANN的一個(gè)重要分支。
神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域
近些年來(lái)神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域得到了廣泛的運(yùn)用。在民用應(yīng)用領(lǐng)域的應(yīng)用，如語(yǔ)言識(shí)別、圖像識(shí)別與理解、計(jì)算機(jī)視覺(jué)、智能機(jī)器人故障檢測(cè)、實(shí)時(shí)語(yǔ)言翻譯、企業(yè)管理、市場(chǎng)分析、決策優(yōu)化、物資調(diào)運(yùn)、自適應(yīng)控制、專家系統(tǒng)、智能接口、神經(jīng)生理學(xué)、心理學(xué)和認(rèn)知科學(xué)研究等等;在軍用應(yīng)用領(lǐng)域的應(yīng)用，如雷達(dá)、聲納的多目標(biāo)識(shí)別與跟蹤，戰(zhàn)場(chǎng)管理和決策支持系統(tǒng)，軍用機(jī)器人控制各種情況、信息的快速錄取、分類與查詢，導(dǎo)彈的智能引導(dǎo)，保密通信，航天器的姿態(tài)控制等。
人工神經(jīng)網(wǎng)絡(luò)模型具有并連結(jié)構(gòu)、容錯(cuò)性、非線性映射等特征，近年來(lái)已在河道水流模擬及平面二維流場(chǎng)計(jì)算中得到一定的應(yīng)用和發(fā)展。Y.B.Dibike，D.Olomatne &M.B.Abbott[1]將神經(jīng)網(wǎng)絡(luò)理論與水動(dòng)力學(xué)模型結(jié)合，利用水動(dòng)力學(xué)模型為神經(jīng)網(wǎng)絡(luò)提供網(wǎng)絡(luò)學(xué)習(xí)樣本，再用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)重要河段航深、二維流場(chǎng)中重要位置的水流運(yùn)動(dòng)(包括水位、流速、流向以及流量等要素)進(jìn)行預(yù)測(cè)，取得了令人鼓舞的結(jié)果。神經(jīng)網(wǎng)絡(luò)模型和水動(dòng)力模型的有機(jī)結(jié)合避免了水動(dòng)力學(xué)模型計(jì)算量大、計(jì)算速度慢難以滿足實(shí)時(shí)預(yù)報(bào)的要求等問(wèn)題，同時(shí)利用水動(dòng)力學(xué)模型給神經(jīng)網(wǎng)絡(luò)提供訓(xùn)練樣本，彌補(bǔ)了神經(jīng)網(wǎng)絡(luò)在重要河段和區(qū)域缺乏資料而應(yīng)用受到局限的困難。楊榮富、丁晶和劉國(guó)東[2]將流域概化為若干個(gè)水庫(kù)，利用水量平衡和非線性水庫(kù)原理與神經(jīng)網(wǎng)絡(luò)結(jié)合，對(duì)英國(guó)Irwell流域的Salford大學(xué)控制站的徑流及以上6個(gè)降雨站的觀測(cè)資料進(jìn)行了模擬，模型對(duì)流域的日和月徑流時(shí)序變化模擬效果較好，對(duì)洪水過(guò)程模擬尚需進(jìn)一步的研究。盡管如此，神經(jīng)網(wǎng)絡(luò)理論在河網(wǎng)水沙運(yùn)動(dòng)模擬方面還幾乎是空白。目前用于各類模擬及預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)模型普遍存在網(wǎng)絡(luò)內(nèi)部參數(shù)物理概念不明確，隱層結(jié)構(gòu)難以確定等問(wèn)題。
人工神經(jīng)網(wǎng)絡(luò)與河網(wǎng)在結(jié)構(gòu)上具有許多相似之處，兩者都是由各個(gè)內(nèi)部結(jié)構(gòu)通過(guò)并聯(lián)或串聯(lián)形成一個(gè)相互制約的整體網(wǎng)絡(luò)結(jié)構(gòu)。通過(guò)調(diào)整系統(tǒng)內(nèi)部各個(gè)“神經(jīng)元”之間的相互作用達(dá)到系統(tǒng)輸入、輸出之間的最優(yōu)或平衡，即可達(dá)到運(yùn)用神經(jīng)網(wǎng)絡(luò)模擬復(fù)雜河網(wǎng)水沙運(yùn)動(dòng)的目的。
1 一般河網(wǎng)概化
天然河網(wǎng)水系十分復(fù)雜，河流湖泊眾多。根據(jù)問(wèn)題研究的需要、河道湖泊之間的相互關(guān)系以及計(jì)算的需要，對(duì)河網(wǎng)可以作不同的概化，本文對(duì)河網(wǎng)的概化主要目的是滿足建立具有河網(wǎng)水沙運(yùn)動(dòng)特點(diǎn)人工神經(jīng)網(wǎng)絡(luò)模型的要求。
(1)將河網(wǎng)概化為不同非線性水庫(kù)相互連接而成的網(wǎng)絡(luò)結(jié)構(gòu)。
(2)水系中各個(gè)水源、沙源(如上游進(jìn)入河網(wǎng)的來(lái)水來(lái)沙)作為模型的輸入，水系需要預(yù)測(cè)站點(diǎn)的水流、泥沙運(yùn)動(dòng)過(guò)程作為模型的輸出。
(3)每層水庫(kù)之間相互有關(guān)連(如自然狀態(tài)下某個(gè)上下層之間不存在水流或泥沙交換關(guān)系，則在網(wǎng)絡(luò)優(yōu)化中連接權(quán)賦0，這樣處理既能較好地反映河網(wǎng)的水沙運(yùn)動(dòng)特性，又能滿足人工神經(jīng)網(wǎng)絡(luò)模型的要求)，而處于同一層的水庫(kù)沒(méi)有水沙交換。
(4)第一層節(jié)點(diǎn)只是簡(jiǎn)單地將河網(wǎng)輸入量輸入到下一節(jié)點(diǎn)，節(jié)點(diǎn)沒(méi)有水量調(diào)蓄作用也沒(méi)有泥沙量的變化;中間各層節(jié)點(diǎn)存在水量調(diào)蓄作用并且存在泥沙沖淤變化，而最后一層接受上一層各水庫(kù)的來(lái)水來(lái)沙，模擬結(jié)果作為整個(gè)網(wǎng)絡(luò)的輸出值。
(5)非線性水庫(kù)的出流與水庫(kù)蓄水量之間為非線性關(guān)系，對(duì)于每一水庫(kù)水量及整個(gè)河網(wǎng)總水量保持守恒。
(6)水庫(kù)的輸沙與水庫(kù)“蓄沙”之間為非線性關(guān)系。對(duì)于每一水庫(kù)泥沙總量及整個(gè)河網(wǎng)總沙量保持守恒。
在上述概化條件下，整個(gè)河網(wǎng)由河網(wǎng)水源或沙源的輸入、河網(wǎng)內(nèi)部相互串聯(lián)和并聯(lián)而成的水庫(kù)、河網(wǎng)輸出三部分構(gòu)成;第一層和最后一層節(jié)點(diǎn)的輸入輸出為簡(jiǎn)單的線性關(guān)系;利用節(jié)點(diǎn)輸水輸沙平衡方程和整個(gè)河網(wǎng)泥沙和水量守恒關(guān)系保證各個(gè)節(jié)點(diǎn)和整個(gè)河網(wǎng)沙量、水量守恒。
2 具有河網(wǎng)水沙特點(diǎn)的人工神經(jīng)網(wǎng)絡(luò)模型
傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型是一種簡(jiǎn)單的非線性系統(tǒng)模型，通過(guò)誤差反傳自動(dòng)調(diào)整網(wǎng)絡(luò)內(nèi)部連接權(quán)向量，達(dá)到系統(tǒng)輸入、輸出之間的響應(yīng)。有許多自然現(xiàn)象就屬于這類簡(jiǎn)單的關(guān)系。例如電力負(fù)荷變化與天氣變化、工業(yè)狀況等因素之間的關(guān)系;年徑流量受年降雨量和年蒸發(fā)量的影響;短時(shí)段河段出流主要取決于河段進(jìn)流、區(qū)間匯流等。
然而，大多數(shù)情況下的系統(tǒng)輸出不僅依賴于當(dāng)時(shí)或前期的輸入量，同時(shí)也取決于系統(tǒng)的狀態(tài)。如在河道發(fā)生較大的沖淤變形時(shí)，其輸出不僅依賴于系統(tǒng)的輸入量，同時(shí)還決定于系統(tǒng)所處的狀態(tài)即河道沖淤情況。在這樣的情況下，用傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)來(lái)模擬系統(tǒng)的輸入輸出關(guān)系比較困難。另外，傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型是一個(gè)“黑箱”模型，內(nèi)部參數(shù)沒(méi)有物理意義，也很難找出參數(shù)與模型輸出向量之間的關(guān)系。因此，用神經(jīng)網(wǎng)絡(luò)理論來(lái)模擬河網(wǎng)水流泥沙運(yùn)動(dòng)時(shí)，不能簡(jiǎn)單地利用BP算法，還應(yīng)考慮河網(wǎng)內(nèi)各個(gè)部分以及整個(gè)河網(wǎng)的水量沙量守恒。在概化的河網(wǎng)模型中，每一節(jié)點(diǎn)以及整個(gè)河網(wǎng)都應(yīng)滿足水量沙量守恒方程。
泥沙連續(xù)方程：
(2)
則T+1時(shí)刻K+1層第i水庫(kù)的相互物理量的變化為：
(5)
一般情況下，水庫(kù)或河道水系由于邊界條件或其他外界條件的改變常常引起水流形態(tài)和泥沙輸移規(guī)律的改變，這種改變往往會(huì)引起河道和水庫(kù)的輸沙不平衡，水庫(kù)或河道發(fā)生沖淤變形，從而又導(dǎo)致水流運(yùn)動(dòng)和泥沙輸移規(guī)律的改變。這種水沙規(guī)律的變化以泥沙為“紐帶”，在輸沙平衡與不平衡之間交替變化。因此，水庫(kù)出流量和水庫(kù)輸沙量應(yīng)該還要考慮河道沖淤等因素的影響。如以水庫(kù)累計(jì)沖淤量近似表示水庫(kù)的地形，則水庫(kù)出流表示為：
Q|T=f(Vω|T,VS|T……)(6)
同樣，水庫(kù)每個(gè)節(jié)點(diǎn)的泥沙輸出為輸入沙量、水庫(kù)地形等因素的函數(shù)，表示為：
V|T=f1(V′|T,VS|T……)(7)
當(dāng)水庫(kù)沖淤變形不很明顯時(shí)，水庫(kù)出流可以認(rèn)為是水庫(kù)蓄水量的非線性函數(shù)，即T時(shí)刻的水庫(kù)出流量與水庫(kù)蓄水量之間的關(guān)系式為：
Q|T=f(Vω|T)(8)
同樣，水庫(kù)沖淤不很明顯的條件下，水庫(kù)排沙量也可以認(rèn)為是水庫(kù)來(lái)沙量的非線性函數(shù)，即T時(shí)刻的水庫(kù)輸沙量與水庫(kù)來(lái)沙之間的關(guān)系為：
V|T=f1(V′|T)(9)
設(shè)網(wǎng)絡(luò)第k各層節(jié)點(diǎn)數(shù)為NK，K為網(wǎng)絡(luò)總層數(shù)，對(duì)第一層節(jié)點(diǎn)
式中：φin、φ1i分別為第一層節(jié)點(diǎn)輸入和輸出量;Wi,j為該層第i節(jié)點(diǎn)與下層第j節(jié)點(diǎn)之間的連接權(quán);N2為第二層節(jié)點(diǎn)的個(gè)數(shù)。
對(duì)河網(wǎng)內(nèi)部第k+1層節(jié)點(diǎn)，輸入輸出關(guān)系為：
(11)
式中φkj,in為K層第j節(jié)點(diǎn)的輸入量。
由水沙連續(xù)方程和水庫(kù)排水排沙方程一起組成具有河網(wǎng)特點(diǎn)的神經(jīng)網(wǎng)絡(luò)模型。盡管本文所建立的模型在結(jié)構(gòu)和算法上與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法有許多相似之處，但神經(jīng)網(wǎng)絡(luò)理論與水沙守恒方程的有機(jī)結(jié)合形成的具有河網(wǎng)水沙運(yùn)動(dòng)特點(diǎn)的神經(jīng)網(wǎng)絡(luò)模型在許多方面有其本身的特點(diǎn)：
(1)考慮水沙的相互作用。水沙非耦合神經(jīng)網(wǎng)絡(luò)模型為泥沙神經(jīng)網(wǎng)絡(luò)模型和水流神經(jīng)網(wǎng)絡(luò)模型組成的整體模型。泥沙模型中各個(gè)節(jié)點(diǎn)在相同輸入條件下其輸出并不一定相同，受節(jié)點(diǎn)沖淤變化的影響;水流模型中的各個(gè)節(jié)點(diǎn)的輸出同樣受河床累積沖淤量的影響，而此時(shí)的河床累積沖淤量必須由泥沙模型得到。
(2)網(wǎng)絡(luò)結(jié)構(gòu)合理。由于人工神經(jīng)網(wǎng)絡(luò)與河網(wǎng)在結(jié)構(gòu)上相似，可按照河網(wǎng)的復(fù)雜程度、模擬需要的精度以及現(xiàn)有河網(wǎng)的數(shù)據(jù)資料先確定模型網(wǎng)絡(luò)，然后再結(jié)合網(wǎng)絡(luò)計(jì)算需要對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行一定的修改。這樣既可以滿足神經(jīng)網(wǎng)絡(luò)計(jì)算要求，也能在一定程度上反映河網(wǎng)水系之間的相互關(guān)系。在本文所建立的水沙非耦合模型中，網(wǎng)絡(luò)結(jié)構(gòu)的確定必須同時(shí)滿足水流和泥沙模型的要求，即兩模型在結(jié)構(gòu)上既要相同，又要符合兩者各自的要求。
圖1 長(zhǎng)江中游概化簡(jiǎn)圖
(3)網(wǎng)絡(luò)結(jié)構(gòu)內(nèi)部參數(shù)的物理意義明確。傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)內(nèi)部節(jié)點(diǎn)之間的關(guān)系是一個(gè)“黑盒”，內(nèi)部參數(shù)的物理意義模糊;而本文所建模型中的參數(shù)具有明確的物理含義，上下層之間的連接實(shí)質(zhì)上反映了上層節(jié)點(diǎn)向下層節(jié)點(diǎn)輸入的水量或沙量，即上層對(duì)下層節(jié)點(diǎn)的影響大小。
(4)對(duì)每個(gè)節(jié)點(diǎn)以及整個(gè)河網(wǎng)保證水量和沙量的守恒。傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)每個(gè)節(jié)點(diǎn)只考慮了其非線性作用，未考慮節(jié)點(diǎn)以及整個(gè)河網(wǎng)的物質(zhì)是否守恒。本文模型從水流和泥沙連續(xù)方程出發(fā)，建立的模型反映了水流泥沙運(yùn)動(dòng)的客觀規(guī)律。
(5)在本模型中，蓄水量及淤積量和輸出水沙量隨上下游條件不斷變化，這種變化可以較好地反映河網(wǎng)水沙運(yùn)動(dòng)中邊界條件的變化對(duì)網(wǎng)絡(luò)輸入與輸出的影響，避免了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型難以考慮系統(tǒng)狀態(tài)影響的缺陷。當(dāng)河道或水庫(kù)淤積量增加，可通過(guò)自動(dòng)調(diào)整來(lái)調(diào)節(jié)河道的水沙輸出量，如果不考慮這種影響，在同樣進(jìn)流進(jìn)沙條件下，其產(chǎn)生同樣的出流和出沙，這都會(huì)過(guò)高或過(guò)低估計(jì)出流出、出沙。
(6)若不考慮水庫(kù)蓄水量和排沙量隨時(shí)間的變化，則模型與傳統(tǒng)BP網(wǎng)絡(luò)相一致。
3 模型應(yīng)用實(shí)例
3.1 長(zhǎng)江中游荊江和洞庭湖河網(wǎng)區(qū)概況 洞庭湖平原區(qū)位于長(zhǎng)江中游荊江河段南岸，北面有松滋、太平、藕池三口分泄長(zhǎng)江洪水進(jìn)入湖區(qū)，西南有湘、資、沅、澧四水入?yún)R，洪水經(jīng)過(guò)湖區(qū)調(diào)峰后經(jīng)洞庭湖出口城陵磯注入長(zhǎng)江干流。洞庭湖經(jīng)過(guò)長(zhǎng)期演變已由原來(lái)的八百里洞庭演變成為今天的東洞庭、南洞庭、西洞庭以及與之相連的縱橫交錯(cuò)的洪道(如圖1所示).洞庭湖流域是一個(gè)以洞庭湖為中心，從四面八方向中央?yún)R流的輻射狀河網(wǎng)，不同水系有不同的地貌和氣象特征，洪水組成及遭遇非常復(fù)雜，洪水歷時(shí)特別長(zhǎng)，最早出現(xiàn)在3月，遲者可至10月，主汛期一般為5～8月。這種錯(cuò)綜復(fù)雜的洪水遭遇，互相頂托，使不同來(lái)源的洪水在交匯處產(chǎn)生壅積，水位異常抬高，大大加劇了局部地區(qū)洪災(zāi)的威脅。為了充分反映四水不同的來(lái)水來(lái)沙過(guò)程對(duì)洞庭湖區(qū)水沙運(yùn)動(dòng)變化的影響，在模型中必須將四水作為四個(gè)不同的獨(dú)立影響因子，分別作用于河網(wǎng)區(qū)。另外，為了將水流網(wǎng)絡(luò)結(jié)構(gòu)和泥沙網(wǎng)絡(luò)結(jié)構(gòu)相互配套，文中將區(qū)間匯流按比例分配給四水來(lái)水。
圖2 長(zhǎng)江中游網(wǎng)絡(luò)概化模型
從荊江洞庭湖區(qū)水流泥沙運(yùn)動(dòng)特點(diǎn)和河道蓄水垸的特征將荊江洞庭湖區(qū)劃分為8個(gè)相互聯(lián)系的區(qū)域以及湘、資、沅、澧4個(gè)洪道區(qū)域(如圖2所示).這12個(gè)區(qū)域分別為：區(qū)域Ⅰ：松滋河(包括東、西兩支)、大湖口河、自治局河、管垸河、虎渡河水系;區(qū)域Ⅱ：藕池河的西、中兩支水系;區(qū)域Ⅲ：藕池河的東支水系;區(qū)域Ⅳ～Ⅵ分別為：西洞庭湖(目平湖)水系、南洞庭湖水系、東洞庭湖水系;區(qū)域Ⅶ：枝江～藕池口河段;區(qū)域Ⅷ：藕池口～螺山河段;區(qū)域Ⅸ～Ⅻ分別為：湘、資、沅、澧4個(gè)洪道區(qū)域。
3.2 模型結(jié)構(gòu) 由上述荊江及洞庭湖區(qū)基本情況分析可知：荊江及洞庭湖區(qū)是由區(qū)域Ⅰ～Ⅻ等12個(gè)區(qū)域通過(guò)串聯(lián)或并聯(lián)而成的相互聯(lián)系的整體網(wǎng)絡(luò)結(jié)構(gòu)，河網(wǎng)區(qū)的輸入輸出就是通過(guò)這些區(qū)域的相互調(diào)節(jié)達(dá)到匹配。在不影響河網(wǎng)基本地理及水流特征的條件下，按照神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)要求對(duì)前文所分區(qū)域進(jìn)行適當(dāng)?shù)恼{(diào)整，如將區(qū)域Ⅸ～區(qū)域Ⅻ分為上下兩部分以及將區(qū)域Ⅷ分為三部分等。神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)與河網(wǎng)區(qū)域之間的對(duì)應(yīng)關(guān)系如表1.
根據(jù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)要求，上下各個(gè)節(jié)點(diǎn)之間相互有聯(lián)系。但從物理意義上來(lái)看，河網(wǎng)上下區(qū)域并不是都有必然聯(lián)系。因此，本文將上下區(qū)域沒(méi)有必然聯(lián)系的點(diǎn)之間的權(quán)重強(qiáng)加為0，這樣使模型既滿足神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的要求，又符合河網(wǎng)水流運(yùn)動(dòng)規(guī)律。如區(qū)3除與區(qū)11有水量交換外，與第三層其余節(jié)點(diǎn)之間沒(méi)有水量交換，故在模型中可以賦0.另外為簡(jiǎn)化起見(jiàn)，三口來(lái)流合并為一個(gè)來(lái)流，故荊江與洞庭湖之間的關(guān)系可以概化為與圖2相似的網(wǎng)絡(luò)模型。
由概化模型結(jié)構(gòu)圖可知，本文用來(lái)模擬洞庭湖水流運(yùn)動(dòng)的網(wǎng)絡(luò)為一個(gè)6層網(wǎng)絡(luò)結(jié)構(gòu)。第1層為6個(gè)節(jié)點(diǎn)，分別代表宜昌+清江來(lái)流、四水來(lái)流;第2層～第5層為模型隱層，分別有6、7、3、2個(gè)節(jié)點(diǎn);第6層為1個(gè)節(jié)點(diǎn)，代表螺山出流。
從神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)要求來(lái)看，神經(jīng)網(wǎng)絡(luò)輸入節(jié)點(diǎn)數(shù)為影響輸出變量的個(gè)數(shù)，輸出變量的數(shù)即為輸出節(jié)點(diǎn)的個(gè)數(shù)。而隱單元數(shù)的選擇是一個(gè)十分復(fù)雜的問(wèn)題，往往根據(jù)設(shè)計(jì)得的經(jīng)驗(yàn)和試驗(yàn)來(lái)確定，因而沒(méi)有一個(gè)很好的解析式來(lái)表示。可以說(shuō)隱單元數(shù)與問(wèn)題的要求、輸入輸出單元的多少都有直接關(guān)系。隱單元數(shù)太多導(dǎo)致學(xué)習(xí)時(shí)間過(guò)長(zhǎng)，誤差不一定最佳;隱單元太少，容錯(cuò)性差，不能識(shí)別以前沒(méi)有看到的樣本。隱單元的選取決定了網(wǎng)絡(luò)性能的好壞，因此就存在一個(gè)隱單元數(shù)的選取問(wèn)題。
由此可見(jiàn)，本文采用6層隱層、隱層節(jié)點(diǎn)數(shù)同時(shí)，也符合網(wǎng)絡(luò)結(jié)構(gòu)的要求。鑒于人工神經(jīng)網(wǎng)絡(luò)與河網(wǎng)在結(jié)構(gòu)上相似，將神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定方法同河網(wǎng)本身的水系結(jié)構(gòu)有機(jī)聯(lián)系起來(lái)共同確定網(wǎng)絡(luò)結(jié)構(gòu)，可以大大節(jié)省工作量，給網(wǎng)絡(luò)結(jié)構(gòu)的確定提供了一種新的方法。
表1 模型節(jié)點(diǎn)與河網(wǎng)區(qū)域之間的對(duì)應(yīng)關(guān)系
模型節(jié)點(diǎn)河網(wǎng)區(qū)域模型節(jié)點(diǎn)河網(wǎng)區(qū)域
區(qū)1區(qū)域Ⅶ區(qū)10大湖口河、自治局河、管垸河、虎渡河(中河口以下)水系(區(qū)域Ⅰ下段)
(中河口以下)水系(區(qū)域Ⅰ下段)
區(qū)2松滋河、彌陀寺～中河口(區(qū)域Ⅰ上段)區(qū)11湘水下段水系
區(qū)3湘水上段水系區(qū)12資水下段水系
區(qū)4資水上段水系區(qū)13沅水下段水系
區(qū)5沅水上段水系區(qū)14調(diào)弦口～監(jiān)利河段
區(qū)6澧水上段水系區(qū)15注滋口河段
區(qū)7藕池口～調(diào)弦口河段區(qū)16區(qū)域Ⅳ+區(qū)域Ⅴ
區(qū)8區(qū)域Ⅱ區(qū)17監(jiān)利～螺山河段
區(qū)9區(qū)域Ⅲ區(qū)18區(qū)域Ⅵ
2.3 城陵磯水沙過(guò)程模擬 本文利用洞庭湖1981年～1983年及1984年宜昌、四水以及螺山出口日平均水流資料，區(qū)間匯流資料根據(jù)資料用區(qū)間匯流與三口四水來(lái)流總量的比值確定。1981～1983年資料作為模型率定資料，1984年作為檢驗(yàn)資料。為了防止部分神經(jīng)元達(dá)到過(guò)飽和，對(duì)以上資料進(jìn)行了規(guī)格化處理。
荊江和洞庭湖之間的演變關(guān)系是通過(guò)三口分流分沙作為紐帶，三口分流分沙變化對(duì)荊江和洞庭湖的水沙變化起著關(guān)鍵性的作用。因此，模型要比較好地反映荊江和洞庭湖的演變發(fā)展，在模型訓(xùn)練過(guò)程中必須充分、正確地反映三口分流分沙變化規(guī)律。圖3為1984年計(jì)算流量過(guò)程與實(shí)測(cè)流量過(guò)程比較。由圖可知：用本文所建立的河網(wǎng)水情預(yù)報(bào)模型來(lái)模擬1984年流量過(guò)程時(shí)，模型模擬的流量過(guò)程基本上與實(shí)測(cè)流量過(guò)程變化一致，平均誤差小于3%，最大誤差小于6%.因此，本文所建立的河網(wǎng)預(yù)報(bào)模型基本上能夠反映河網(wǎng)水流變化規(guī)律。
圖3 計(jì)算與實(shí)測(cè)量過(guò)程比較圖4 計(jì)算與實(shí)測(cè)輸沙量比較
本文用洞庭湖1954年～1988年三口、四水以及城陵磯出口年平均輸沙量資料，來(lái)率定網(wǎng)絡(luò)各個(gè)連接權(quán)重。由于洞庭湖區(qū)多年情況淤積率保持在74%左右，各個(gè)湖區(qū)淤積率也基本未發(fā)生大的變化，可以認(rèn)為洞庭湖區(qū)的淤積對(duì)湖區(qū)泥沙淤積速率影響不大。圖4為1954～1988年35年城陵磯計(jì)算輸沙量過(guò)程與實(shí)測(cè)過(guò)程比較結(jié)果。
由圖4可見(jiàn)，計(jì)算結(jié)果與實(shí)測(cè)結(jié)果誤差在要求的范圍之內(nèi)，能夠較好地反映城陵磯輸沙過(guò)程，表明本文建立的具有河網(wǎng)水沙運(yùn)動(dòng)特點(diǎn)的神經(jīng)網(wǎng)絡(luò)模型能夠用于洞庭湖區(qū)泥沙輸移規(guī)律的分析和模擬。
4 結(jié)論
河網(wǎng)水沙運(yùn)動(dòng)復(fù)雜，傳統(tǒng)水動(dòng)力學(xué)數(shù)值方法在模擬河網(wǎng)水沙運(yùn)動(dòng)時(shí)很難達(dá)到實(shí)時(shí)預(yù)報(bào)的要求，對(duì)河網(wǎng)地形資料較缺乏的情況應(yīng)用也比較困難。由于河網(wǎng)結(jié)構(gòu)與神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相似，其輸入輸出關(guān)系也基本一致，因此用神經(jīng)網(wǎng)絡(luò)能夠較好地模擬河網(wǎng)水沙運(yùn)動(dòng)狀態(tài)。鑒于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型存在網(wǎng)絡(luò)結(jié)構(gòu)確定困難、內(nèi)部節(jié)點(diǎn)參數(shù)物理意義不明確等缺點(diǎn)，本文從水沙運(yùn)動(dòng)的連續(xù)方程和槽蓄方程出發(fā)，建立了能反映水沙基本規(guī)律，內(nèi)部節(jié)點(diǎn)物理意義清楚的河網(wǎng)神經(jīng)網(wǎng)絡(luò)模型。利用所建模型對(duì)長(zhǎng)江中游水沙運(yùn)動(dòng)宏觀規(guī)律進(jìn)行模擬，模擬結(jié)果表明本文模型能夠較好地反映客觀水沙輸移規(guī)律。
關(guān)鍵詞： 電子電路 電子電路圖 人工神經(jīng)網(wǎng)絡(luò)
