洪水预报是适应自然、减免损失的非常重要的防洪非工程措施,直接为防汛抢险、水资源合理利用与保护、水利工程建设与运用管理和发展工农业生产服务。水文预报是一个复杂的系统,且具有很强的非线性特征。目前,不论是确定性水文预报模型,还是统计模型都是以实测资料为基础建立起来的一类数学模型,由于受许多建模假设的限制,这些模型很大程度上只是对实际水文规律的一种近似模拟,难以用于处理水文现象及其要素之间内在的、复杂的非线性关系。在综述国内外研究的基础上,本文把人工神经网络和遗传算法结合起来,尝试建立GA-LMBP神经网络洪水预报模型。本文的主要研究工作概括如下: 1、系统的阐明了BP神经网络的基本原理和学习训练过程,分析了BP网络存在的缺陷,介绍了通用的一些改进措施。 2、针对水文现象以及各水文要素之间关系的复杂性,利用遗传算法全局搜索能力强的特点与人工神经网络模型学习能力强的特点,把遗传算法用于神经网络初始权重的优化,设计出GA-LMBP算法,可以在一定程度上克服神经网络模型训练中普遍存在的局部极小点问题。 3、以某水库33年的最大日库区径流资料数据为例,对GA-LMBP神经网络算法进行计算和检验,运用MATLAB软件进行仿真,并与单一运用常用BP改进算法的仿真结果进行比较,结果显示GA-LMBP算法稳定更好、鲁棒性强,有效的提高了洪水预报的精度。