?????? 基于遞階結構的遺傳算法可以同時對BP 神經(jīng)網(wǎng)絡進行結構優(yōu)化和權重求解。采用收縮解空間的方法可以有效提高算法的收斂速度和精度。采用先進行自適應遞階遺傳算法獲得最優(yōu)網(wǎng)絡結構及參數(shù)，再用BP 算法對網(wǎng)絡進行訓練，并應用于洪水預報模型，可以獲得較高的精度。
關鍵詞：遞階遺傳算法；解空間；自適應；模型精度
????? 我國是洪水災害頻繁發(fā)生的國家之一，進行洪水預報是提高對洪水的防御能力與減輕洪水災害的有效途徑。洪水徑流形成機制十分復雜，受產(chǎn)生暴雨的氣候動力因子(如降水等)、流域的地形地貌、人類活動的變化以及全球氣候變化等多種因素的影響。這些因素的共同作用使得流域的水文情勢時空變化成為一個十分復雜的非線性過程。人工神經(jīng)網(wǎng)絡(Artificial Neural Network，簡稱ANN)是一種非常優(yōu)越的非線性函數(shù)逼近方法,在水文過程模擬和預報中顯示出比傳統(tǒng)洪水預報方法更為有效的特點。
?????? 很多研究者對基于遺傳算法的BP網(wǎng)絡進行研究，形成兩個相對獨立的領域：①采用遺傳算法優(yōu)化BP網(wǎng)絡結構；②采用遺傳算法優(yōu)化網(wǎng)絡初始權值。本文提出一種自適應的遞階遺傳算法，可以同時對BP神經(jīng)網(wǎng)絡進行結構優(yōu)化和權重求解。針對遺傳算法局部尋優(yōu)能力不足的缺點，對有約束的染色體參數(shù)基因（如隱層神經(jīng)元數(shù)、學習率、訓練次數(shù)等）取值空間進行自適應的解空間收縮方法，對無約束的參數(shù)基因（如網(wǎng)絡權值和閾值）先用遞階遺傳算法求出初始權值和閾值，再對BP網(wǎng)絡進行訓練，利用BP算法局部尋優(yōu)能力強的特點，得到網(wǎng)絡的最優(yōu)解。模型試驗證明，有效提高了學習效率，預報精度也有所提高。