粒子群算法优化BP在降雨空间插值中的应用

doi:10.11988/ckyyb.20160837

长江科学院院报 ›› 2017, Vol. 34 ›› Issue (12): 28-32.DOI: 10.11988/ckyyb.20160837

粒子群算法优化BP在降雨空间插值中的应用

邱云翔^a, 张潇潇^a, 刘国东^{a, b}

四川大学 a.水利水电学院; b.水力学与山区河流开发保护国家重点实验室,成都 610065

收稿日期:2016-08-19 出版日期:2017-12-01 发布日期:2017-12-22
作者简介:邱云翔(1992-),男,四川德阳人,硕士研究生,研究方向为水环境资源开发利用与保护,(电话)18728423654(电子信箱)qiuyxsp@163.com。

Application of BP Neural Network Optimized by Particle SwarmOptimization to Rainfall Spatial Interpolation

QIU Yun-xiang¹, ZHANG Xiao-xiao¹, LIU Guo-dong^{1, 2}

1.College of Water Resource & Hydropower, Sichuan University, Chengdu 610065, China;
2.State Key Laboratory of Hydraulics and Mountain River Engineering, Sichuan University, Chengdu 610065, China

Received:2016-08-19 Online:2017-12-01 Published:2017-12-22

摘要/Abstract

摘要： 为更好地表达降雨量的空间分布,将粒子群算法(PSO)优化后的反向传输(BP)神经网络分别运用于三峡区间流域日、月和年降雨量的空间插值中,并与单纯BP神经网络和克里金的插值效果作对比。研究结果表明:在日和年的时间尺度上,PSO-BP插值性能较BP有明显改善,且优于克里金的插值效果;在月时间尺度上,PSO-BP插值效果与BP接近且优于克里金。因此,PSO-BP能较好地揭示降雨量在空间的分布规律,也具备在不同时间尺度上对降雨量进行空间插值的能力,是一种较优的降雨空间插值方法。

关键词: 粒子群算法, BP神经网络, 优化, 克里金插值, 降雨插值

Abstract: To better describe the spatial distribution of rainfall, we applied BP neural network optimized by particle swarm optimization to the daily, monthly and yearly rainfall spatial interpolation of the Three Gorges reservoir area, and compared the performance with those of simple BP and Kriging interpolation. We found that in daily and yearly time-scale, PSO-BP neural network performs better than BP and Kriging; while in terms of monthly time-cale, PSO-BP result is close to BP and better than Kriging. We conclude that BP neural network optimized by particle swarm optimization could better reveal the law of spatial distribution of rainfall and has the ability of spatial interpolation in different timescales, and therefore is an excellent method for rainfall spatial interpolation.

Key words: particle swarm optimization, BP neural network, optimization, Kriging interpolation, rainfall interpolation

中图分类号:

P332.1

邱云翔, 张潇潇, 刘国东. 粒子群算法优化BP在降雨空间插值中的应用[J]. 长江科学院院报, 2017, 34(12): 28-32.

QIU Yun-xiang, ZHANG Xiao-xiao, LIU Guo-dong. Application of BP Neural Network Optimized by Particle SwarmOptimization to Rainfall Spatial Interpolation[J]. JOURNAL OF YANGTZE RIVER SCIENTIFIC RESEARCH INSTI, 2017, 34(12): 28-32.

[1]	徐杨, 吕昊, 刘帅, 方威, 覃晖. Kriging水动力学代理模型在水库群优化调度中的应用[J]. 长江科学院院报, 2024, 41(2): 7-13.
[2]	孙向军, 潘家军, 丁立鸿, 周跃峰, 卢一为, 左永振. 软岩堆石料试验前后级配变化规律[J]. 长江科学院院报, 2023, 40(9): 133-138.
[3]	雷过, 张卫兵, 李晓, 刘臻祥, 周鑫磊. 冻融-干湿循环下硫酸盐渍土强度劣化的宏微观响应[J]. 长江科学院院报, 2023, 40(6): 154-159.
[4]	陈进. 严重干旱情景下长江水资源调控与管理[J]. 长江科学院院报, 2023, 40(3): 1-5.
[5]	张岩, 刘嘉昊, 吕园, 李志豪, 张燕楠, 李昇, 陈撰文. 不同石粉参数对混凝土力学性能的影响[J]. 长江科学院院报, 2023, 40(3): 166-173.
[6]	张慧, 王晶, 方德斌, 王永强. 基于改进破产规则和验证惩罚机制的流域初始水权两阶段优化分配方法[J]. 长江科学院院报, 2023, 40(2): 34-43.
[7]	汪涛, 徐杨, 刘亚新, 卢佳, 马皓宇. 基于多种群引力粒子群算法的金沙江下游—三峡梯级水库群优化调度[J]. 长江科学院院报, 2023, 40(12): 30-36,58.
[8]	方丹, 韩钢, 鄢江平, 邵兵, 张传庆, 周辉, 高阳. 卡拉水电站地下洞室群稳定性分析及洞室间距优化研究[J]. 长江科学院院报, 2023, 40(11): 93-101.
[9]	张海荣, 姚华明, 鲍正风, 汤正阳, 华小军, 张东杰. 雅砻江和金沙江中下游梯级水库联合优化调度建模及应用Ⅰ——联合优化调度潜力分析[J]. 长江科学院院报, 2022, 39(9): 30-37.
[10]	张海荣, 姚华明, 汤正阳, 吴碧琼, 信天旗. 雅砻江和金沙江中下游梯级水库联合优化调度建模及应用Ⅱ——联合优化调度规则分析[J]. 长江科学院院报, 2022, 39(9): 38-42.
[11]	孙桂凯, 石锐, 刘思怡, 王国帅, 赵荣娜, 莫崇勋. 基于长期与中长期嵌套的水库优化调度[J]. 长江科学院院报, 2022, 39(8): 23-28.
[12]	陈华俊. 岩溶库区帷幕灌浆技术及其工艺参数优化[J]. 长江科学院院报, 2022, 39(7): 144-148.
[13]	黄草, 何斯重, 冯迪子, 慕龙, 李志威. 耦合流域-区域用水总量红线的供水优化模型及应用[J]. 长江科学院院报, 2022, 39(6): 24-30.
[14]	任大春, 王亚军, 段杭. 水利水电工程锚固支护监测布置优化分析[J]. 长江科学院院报, 2022, 39(6): 50-55.
[15]	黄建文, 李飞翔, 袁华, 王兴霞, 江谊园, 叶林华. 高拱坝混凝土一期控温阶段温度变化动态预测方法[J]. 长江科学院院报, 2022, 39(2): 141-146.

粒子群算法优化BP在降雨空间插值中的应用

Application of BP Neural Network Optimized by Particle SwarmOptimization to Rainfall Spatial Interpolation

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价