最近邻—径向基函数网络模型在日径流预测中的应用

介绍了NNB—RBFN模型的基本思想和实现算法。通过日径流中的实例对模型的预测效果进行了验证，并与最近邻抽样回归模型的预测结果进行了对比，取得良好的效果。     

最近邻抽样回归模型及其在枯水期月径流预报中的应用

为合理调配水资源,做好枯季径流预报,可采用最近邻抽样回归模型进行预测。按照最近邻抽样回归模型的基本思路和实现算法,根据长江上游主要控制站——寸滩站1893年1月—2009年12月历史同期月整编资料,对该流域的枯季径流特性进行分析研究,通过建立模型,对模型预测效果进行验证。结果表明：该模型对枯季径流的预报精度较高,可用于作业预报。     

一种新型耦合模型在月径流预测中的应用

基于投影寻踪分析与随机分析提出了一种新的耦合预测模型,运用投影寻踪技术将年内12个月径流由遗传算法优化得投影值,获取投影值与年径流的相关关系;建立年径流预测模型,由预测的年径流推算对应的投影值z^;寻找与z^最近邻的h个模式,由最近邻回归进行年内月径流展望预测。将耦合模型应用于宝珠寺和三峡水电站入库月径流展望预测,结果表明该耦合模型可行且预测效果较好。     

大坝变形预测的径向基函数网络模型

在大坝变形预测中,运用人工神经网络模型进行预测分析已较为广泛,目前使用最多的是BP网络模型,但由于存在计算量巨大,且易出现局部极小和收敛慢等缺点,为此建立了大坝变形预测的径向基函数神经网络模型,并与改进的BP网络模型进行比较.实例表明,径向基函数模型具有良好的泛化能力,克服了BP模型的局部极小和收敛慢等缺陷,在预测精度及训练速度方面显著优于BP模型,具有一定的推广价值.     

周期叠加外延—最近邻抽样回归组合模型在韩江流域年径流预测中的应用

为提高年径流预报精度,尝试将周期叠加外延法与最近邻抽样回归模型结合,用韩江流域潮安站年径流系列作试验,结果表明组合模型预测合格率比单一周期叠加外延模型高,预测效果较好.     

最大熵分布扰动最近邻抽样随机模型在年径流随机模拟中的应用

年径流随机模拟是水资源系统规划设计和运行管理的依据。基于最近邻抽样随机原理,应用最大熵分布模型建立了最大熵分布扰动最近邻抽样随机模型。以陕西省神木站年径流量为例,进行了该站年径流的随机模拟。结果表明：文中方法可以保持序列的统计参数;最大熵分布扰动最近邻抽样随机模型是年径流随机模拟的一种新途径。     

最大熵分布扰动最近邻抽样随机模型在年径流随机模拟中的应用

年径流随机模拟是水利工程体系规划设计和运行管理的依据。基于最近邻抽样随机原理,应用最大熵分布模型,建立了最大熵分布扰动最近邻抽样随机模型。以陕西省神木站年径流量为例,进行了该站年径流的随机模拟。结果表明,应用文中方法可以保持序列统计参数的特性;最大熵分布扰动最近邻抽样随机模型是年径流随机模拟的一种新途径。     

基于投影寻踪的径向基函数网络在参考腾发量预测中的应用

径向基函数网络(RBFN)已广泛应用于参考腾发量预测等领域，但常用的K均值聚类和自组织特征映射等方法在求取径向基函数网络隐层节点中心时存在较大不足。针对这一问题，本文引入投影寻踪方法，在投影降维的基础上实现对大量高维数据的聚类，建立了基于投影寻踪的径向基函数网络模型，并将该模型应用于山西潇河灌区参考腾发量的预测，研究了不同气象因子输入对参考腾发量预测精度的影响。结果表明，基于投影寻踪的径向基函数网络具有较强的适用性，只需使用最高温度、最低温度、日照时数和旬序数作为输入因子，就能以较高的精度预测参考腾发量。     

基于小波分解的径向基神经网络径流预测研究

噶尔河流域位于新疆塔里木盆地西南缘,流域严重缺水,直接影响到流域的农牧业生产,因此需要对其径流量做出相对准确的预测。选用喀什噶尔河流域1956年—2000年实测年径流量,运用小波分解方法揭示径流的趋势性和周期性,并利用周期性结果为径流预测提供数据输入依据,建立径向基神经网络预测模型,与传统径向基神经网络预测模型相比,精度更高,能够更加准确的预测喀什噶尔河流域年径流量。更多还原     

RBF神经网络模型在山西省需水预测中的应用

分析了山西省历年城镇生活、农村生活、工业和农业用水量,建立了RBF神经网络需水预测模型,采用最近邻聚类学习算法确定径向基函数的宽度、选取聚类中心和权值。预测结果表明:山西省1998-2000年总需水量预测的相对误差为2.74%、3.33%和1.41%;1999年工业需水预测相对误差最大,也仅为13.35%。RBF神经网络需水预测模型不仅运算速度快,而且预测精度也较高。     

基于径向基函数神经网络降雨产流预测研究

从径向基函数神经网络原理分析出发,探讨用于降雨产流预测的神经网络模型,并将此模型应用于泜河上.预测和检验结果表明,基于径向基函数神经网络预测模型可以很好地反映流域降雨产流问题.     

小波网络模型在隔河岩水库径流预测中的应用

基于小波分析与人工神经网络提出一种小波网络模型,模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力,预测精度较好。在清江隔河岩水库年、月径流中长期预测中,得到满意的结果。     

小波神经网络在径流预测中的应用

将小波分析与传统的BP神经网络模型进行组合,提出了一种新的径流中长期预测方法。该方法对年径流序列进行Mallat小波分解,将分解后得到的不同尺度下的低频成分和高频成分分别进行Mallat算法重构,对重构系列采用BP神经网络模型进行预测。采用黄河三门峡站1470-2002年的年径流资料进行模型的预测和检验,并与传统的BP神经网络模型进行比较,研究结果表明小波神经网络在径流预测中具有较好的预报精度,可以成功地用于径流模拟和预测。     

小波人工神经网络在径流预报中的应用

针对径流时间序列的非线性和多时间尺度特性,应用A Trous算法对盘石头水库的月径流序列进行了分析.在此基础上,将小波分析与人工神经网络相结合,建立了组合预测模型,并给出构造模型的一般步骤及关键算法.针对一般BP算法收敛速度慢、易陷入局部极小值的缺陷,提出了基于改进共轭梯度法的BP算法.实践表明:基于小波分析的人工神经网络模型在月径流模拟过程中具有很好的仿真能力,训练后的模型具有较高的精度.     

基于径向基神经网络模型的瀑布沟月径流预测

以前期1～6个月径流为影响因子,建立径向基神经网络预测模型,对大渡河瀑布沟水电站月入库径流进行预测,取得了满意的结果。枯水期月径流预测精度较高,表明采用前期月径流作为影响因子建立预测模型是可行的,可直接应用于实际工作;而平水期、汛期月径流预测精度较枯期稍低,表明仅考虑前期月径流作为影响因子还不够,可以适当加入降水等影响因子进行建模。     

回归支持向量机集成模型在年径流预测中的应用

为进一步提高径流预测精度和泛化能力,根据回归支持向量机(SVR)特性及基本原理,提出考虑不同影响因子(输入向量)的SVR集成预测模型,以云南省南盘江西桥站1961—2007年径流预测为例进行实例研究。首先,利用相关分析法选取年径流预测的若干影响因子,依次构建不同影响因子的SVR单一模型对研究实例进行预测,并构建对应的RBF模型作为对比预测模型;然后,采用加权平均和简单平均2种方法对具有较好预测精度和互补性的单一模型的预测结果进行综合集成。结果表明基于SVR的加权平均和简单平均2种集成模型径流预测的平均相对误差绝对值分别为1.27%和1.54%,最大相对误差绝对值分别为2.99%和2.74%,其精度和泛化能力均大幅优于各单一模型以及基于RBF的加权平均和简单平均集成模型,表明加权平均SVR和简单平均SVR集成模型具有较高的预测精度和泛化能力。相对而言,加权平均集成模型赋予了预测效果好的模型更大的权重,预测精度和泛化能力均优于简单平均集成模型。预测模型和方法可为相关预测研究提供参考和借鉴。     

改进的BP网络模型及其在日径流预测中的应用

尝试了基于MATLAB6.5的人工神经网络工具箱在水文日径流预测中的应用,并采用贝叶斯正则化方法改进BP网络算法,从而提高了BP网络的推广能力。将该模型应用于大渡河流域日径流的预测,取得了较好的预测效果。     

自回归模型在月径流过程概率预报中的应用

把自回归模型用于月径流过程概率预报中。首先根据历史径流的概率分布利用自回归模型预报出一个概率，再根据这个预报出的概率进行径流概率预报。并把这种方法用于三峡电站的入库径流预报中，取得了较好的效果。