基于小波分析的两种神经网络耦合模型在月径流预测中的应用 |
| |
引用本文: | 孙〓娜,周建中,朱〓双,李〓薇,彭〓甜.基于小波分析的两种神经网络耦合模型在月径流预测中的应用[J].水电能源科学,2018,36(4):14-17. |
| |
作者姓名: | 孙〓娜 周建中 朱〓双 李〓薇 彭〓甜 |
| |
作者单位: | 华中科技大学 水电与数字化工程学院, 湖北 武汉 430074 |
| |
基金项目: | 国家自然科学基金面上项目(51579107);国家自然科学基金重大研究计划重点项目(91547208);国家自然科学基金重点项目(51239004) |
| |
摘 要: | 为提高河川径流的中长期预报精度并延长其预见期,采用小波分析充分提取有用信息,基于BP神经网络和GRNN神经网络,构建了两种小波神经网络耦合模型,测试了Daubechies族中9种母波函数对模型模拟效果的影响,并采用合格率(Q_(QR))、平均相对误差(M_(MPRE))、均方根误差(R_(RMSE))和确定性系数(N_(NSE))等指标评价了模型精度。将该模型应用于金沙江流域向家坝水文站未来1~5个月的径流预报,结果显示,相比于传统BP和GRNN模型,耦合模型具有明显优势,且基于小波分析的BP模型预报结果更接近实测值,预报精度更高,其未来4个月的平均相对误差在±20%以内。表明小波分析方法能充分挖掘隐藏在原始数据中的有用信息,可有效提高耦合模型的预报精度延长预见期,在径流预测方面有明显的优越性。
|
关 键 词: | 神经网络模型 水文预报 小波分析 月径流预报 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《水电能源科学》浏览原始摘要信息 |
|
点击此处可从《水电能源科学》下载全文 |
|