基于改进的BP神经网络的水面蒸发预测

李 俊(太原理工大学水利科学与工程学院，太原 030024)

水面蒸发作为水循环的一个重要环节，对水资源的合理开发、制定适当的灌溉制度起到十分重要的影响[1]，因此对水面蒸发量进行预测能够为农业活动的决策提供一定的依据。

现行预测水面蒸发量的方法有：多元线性回归模型[2]、灰色预测模型[3]、RBF神经网络模型[4]、BP神经网络模型[5]等，水面蒸发量与各个因素之间存在着复杂的线性关系，所以使用多元线性回归模型并不能很好地反映水面蒸发的这一特性，而灰色预测模型存在对背景值和初始值的规定是不尽合理的缺点[6]，为了达到相同的精度要求，RBF神经网络的实现结构复杂过BP神经网络的，因此针对水面蒸发与预测因素之间存在非线性关系的特点，以及模型的简洁性，本文使用BP神经网络来对水面蒸发进行预测，同时为了改变以往使用BP神经网络预测水面蒸发的过程中没有对指标进行筛选，造成模型结构不必要的扩展，降低模型工作效率，因此本文使用灰色关联理论对指标进行初步筛选，去除一些与水面蒸发相关性相对较弱的指标，从而减少预测模型的输入，优化网络结构。以往使用灰色关系法进行指标筛选时，只是主观的确定一个关联度阀值来对指标进行筛选，但并未对筛选后指标的合理性进行分析[7]，存在很大的主观性，因此本文使用方差来代表指标的信息[8]，对海选指标与筛选后的指标的信息进行比较，从而得出筛选后的指标的信息持有度(简称此法为指标信息评价法)，以此来对指标的合理性进行分析。……