Introduction 111.1 Effects of Flood

Introduction 11
1.1 Effects of Floods 11
1.1.1 Floods in South Africa 12
1.2 Flood Forecasting Models 13
1.2.1 Study area 14
1.3 Aims of Study 16
1.3.1 Problem statement 16
1.3.2 Significance of study 17
1.4 Research Objectives 17
1.4.1 Sub-objectives 18
1.4.2 Research questions 18
Flood Prediction Using Neural Networks 20
2. 1 Flooding and Flood Prediction 20
2.1.1 Factors affecting floods 20
2.1.2 Flood prediction techniques 22
2.2 Linear Models for Flood Prediction 23
2.2.1 Linear stochastic auto-regressive moving-average models 23
2.3 Non-Linear Models for Flood Prediction 24
2.3.1 K-Nearest neighbour method 24
2.3.2 Artificial neural networks 26
2.3.3 ANN development 27
2.3.4 Models of artificial neural network 28
2.3.5 Neural network architectures 31
2.3.6 Advantages and disadvantages of neural network models 38
Neural Networks and 39
Experimental Setup 39
3.1 Introduction 39
3.2 Neural Network Learning 41
3.2.1 Neural network topology 42
3.3 Neural Network Training Software 44
3.3.1 Training simulators 45
3.3.2 Neural network training 47
3.3.3 Learning rate 50
3.3.4 Momentum 50
3.3.5 Epoch size 51
3.3.6 Error function 52
3.4 Neural Network Time Series Modelling 53
3.5 Data Preparation 54
3.5.1 Data set generation 54
3.5.2 Data pre-processing 56
Results:Experimental Results 61
4.1 Introduction 61
4.2 Model design 63
4.2.1 Data normalization 63
4.2.2 Model parameters 64
4.3 Elman and Feed-Forward NetworksArchitecture 65
4.3.1 Feed-forward network architecture 66
4.3.2 Recurrent networks 66
4.4 Training Procedure and Pattern Set 67
4.4.1 Pattern set composition 69
4.5 Experimental Performance 71
4.5.1 Performance of neural network 71
4.5.2 Overall performance 74
Analysis andDiscussion 81
5.1 Hypotheses of the Study 81
5.1.1 Methodology 81
5.1.2 Pre-processing and Post-processing 82
5.2 Findings 83
5.2.1 Feed-forward neural network performance 83
5.2.2 Elman recurrent network performance 84
5.3 Comparison of Models 85
5.3.1 Feed-Forward model comparison 86
5.3.2 Elman model comparison 86
5.4 Overall Model Performance 86
Conclusion andExtension 88
6.1 Conclusion 88
6.2 Extensions 89
Bibliography 90

Kết quả (Việt) 1:

Giới thiệu 111.1 các tác động của lũ lụt 111.1.1 lũ lụt ở Nam Phi 121.2 lũ dự báo mô hình 131.2.1 khu vực nghiên cứu 141.3 mục đích học tập 161.3.1 vấn đề báo cáo 161.3.2 ý nghĩa học tập 171.4 nghiên cứu mục tiêu 171.4.1 Tiểu mục tiêu 181.4.2 câu hỏi nghiên cứu 18Lũ dự báo bằng cách sử dụng thần kinh mạng lưới 202. 1 lũ lụt và dự báo lũ 202.1.1 các yếu tố ảnh hưởng đến lũ lụt 202.1.2 lũ kỹ thuật dự đoán 222,2 các mô hình tuyến tính đối với dự báo lũ 232.2.1 mô hình tuyến tính ngẫu nhiên dần tự động di chuyển trung bình 232.3 các mô hình phi tuyến tính cho dự báo lũ 242.3.1 K-gần nhất giáp phương pháp 242.3.2 mạng nơ-ron nhân tạo 262.3.3 ANN phát triển 272.3.4 các mô hình của mạng nơ-ron nhân tạo 282.3.5 kiến trúc mạng nơ-ron 312.3.6 lợi thế và bất lợi của mạng nơ-ron mô hình 38Mạng nơ-ron và 39Thiết lập thử nghiệm 393.1 giới thiệu 393.2 mạng nơ-ron học tập 413.2.1 tô pô mạng nơ-ron 423.3 phần mềm đào tạo mạng nơ-ron 443.3.1 mô phỏng huấn luyện 453.3.2 mạng nơ-ron đào tạo 473.3.3 học tỷ lệ 503.3.4 Đà 503.3.5 thế kích thước 513.3.6 lỗi chức năng 523.4 mạng nơ-ron thời gian loạt mô hình 533.5 để chuẩn bị dữ liệu 543.5.1 tập dữ liệu thế hệ 543.5.2 dữ liệu trước khi chế biến 56Kết quả: kết quả thử nghiệm 614.1 giới thiệu 614,2 mẫu thiết kế 634.2.1 chuẩn hóa dữ liệu 634.2.2 mô hình tham số 644.3 Elman và nuôi tiến NetworksArchitecture 654.3.1 kiến trúc mạng nuôi tiến 664.3.2 tái phát mạng 66Thủ tục 4.4 đào tạo và mô hình thiết lập 674.4.1 mẫu thiết lập phần 694.5 thử nghiệm hiệu suất 714.5.1 hiệu suất của mạng nơ-ron 714.5.2 tổng thể hiệu suất 74Phân tích andDiscussion 815.1 các giả thuyết nghiên cứu 815.1.1 các phương pháp 815.1.2 trước khi chế biến và xử lý hậu 825.2 những phát hiện 835.2.1 mạng nơ-ron nuôi tiến hiệu suất 835.2.2 Elman mạng tái phát hiệu suất 845.3 so sánh các mô hình 855.3.1 nuôi tiến mô hình so sánh 865.3.2 Elman mô hình so sánh 865.4 tổng thể mẫu hiệu suất 86Kết luận andExtension 886.1 luận 886.2 extensions 89Tài liệu tham khảo 90

Kết quả (Việt) 2:

Giới thiệu 11
1.1 Ảnh hưởng của lũ lụt 11
1.1.1 Lũ lụt ở Nam Phi 12
mô hình dự báo 1,2 lũ 13
1.2.1 Khu vực nghiên cứu 14
1.3 Mục tiêu của nghiên cứu 16
1.3.1 Đặt vấn đề 16
1.3.2 Tầm quan trọng của nghiên cứu 17
1.4 Nghiên cứu Mục tiêu 17
1.4. 1 Sub-mục tiêu 18
1.4.2 Nghiên cứu câu hỏi 18
dự đoán lũ dùng Neural Networks 20
2. 1 lũ lụt và dự báo lũ 20
2.1.1 các yếu tố ảnh hưởng lũ lụt 20
kỹ thuật dự đoán 2.1.2 lũ 22
2.2 Mô hình tuyến tính cho lũ dự đoán 23
2.2.1 tuyến tính mô hình chuyển động trung bình tự động thoái lui ngẫu nhiên 23
2.3 mô hình phi tuyến tính cho Dự đoán lũ 24
2.3.1 K-gần phương pháp xóm 24
2.3.2 mạng thần kinh nhân tạo 26
2.3.3 ANN phát triển 27
2.3.4 mô hình mạng thần kinh nhân tạo 28
2.3 0,5 kiến trúc mạng nơron 31
2.3.6 Ưu điểm và nhược điểm của mô hình mạng nơron 38
Neural Networks và 39
cài đặt thực nghiệm 39
3.1 Giới thiệu 39
3.2 Neural Network Học 41
3.2.1 mạng Neural topo 42
phần mềm 3.3 Neural Network Đào tạo 44
mô phỏng 3.3.1 Đào tạo 45
3.3.2 mạng Neural đào tạo 47
3.3.3 học tỷ lệ 50
3.3.4 Momentum 50
3.3.5 Epoch kích thước 51
3.3.6 chức năng Error 52
3.4 Neural Network Time series mô Hình 53
3.5 Chuẩn bị 54
3.5.1 dữ liệu thế hệ bộ 54
3.5 .2 dữ liệu trước khi chế biến 56
Kết quả: Kết quả thực nghiệm 61
4.1 Giới thiệu 61
4.2 Mô hình thiết kế 63
4.2.1 bình thường hóa dữ liệu 63
4.2.2 Mô hình thông số 64
4.3 Elman và Feed-Forward NetworksArchitecture 65
4.3.1 Kiến trúc mạng Feed-về phía trước 66
4.3. 2 mạng tái phát 66
4.4 Quy trình đào tạo và mẫu cài đặt 67
4.4.1 mẫu thiết lập phần 69
4.5 nghiệm hiệu suất 71
4.5.1 hiệu suất của mạng nơron 71
4.5.2 hiệu suất chung 74
Phân tích andDiscussion 81
5.1 các giả thuyết của nghiên cứu 81
5.1.1 Phương pháp 81
5.1.2 Sơ chế và Post-chế biến 82
5.2 Kết quả nghiên cứu 83
5.2.1 Feed-tiến hiệu suất mạng nơron 83
5.2.2 Elman hiệu suất mạng tái phát 84
5.3 so sánh các mô hình 85
5.3.1 Feed-Chuyển mô hình so sánh 86
5.3.2 Elman so sánh mô hình 86
5.4 Nhìn chung mô hình hiệu suất 86
Kết luận andExtension 88
6.1 Kết luận 88
6.2 Extensions 89
Tài liệu tham khảo 90