%0 Journal Article
%T 基于多方法优选因子和人工神经网络耦合模型的枯水期径流预报 Research on low-flow runoff forecasting based on multimethod optimized selection factors and artificial neural network coupled model
%A 闪丽洁
%A 张利平
%A 刘恋
%A 贾军伟
%J 武汉大学学报(工学版)
%D 2015
%X 通过对比相关系数法、逐步回归法及综合方法3个预报因子筛选方案的模拟结果,确定优选预报因子的最佳方法,采用BP人工神经网络模型对大通、屏山和汉口3个站点进行枯水期(当年11月-次年4月)径流预报研究.结果显示,采用相关系数法初选及逐步回归法优选所筛选出的预报因子集合可以得到更好的预报效果;该模型在枯水期月尺度径流预报中,检验期的平均合格率为56.44%,达不到实际预报的需求.而采用旬尺度模拟计算月径流的预报效果要远远高于月尺度径流模拟,检验期平均相对误差与合格率分别为12.27%和71.63%,有较好的预报精度.可以为长江流域水文预报工作提供一定的参考
%K 人工神经网络
%K 多方法优选因子
%K 枯水期径流预报
%K 长江流域
%U http://wsdd.cbpt.cnki.net/WKC/WebPublication/paperDigest.aspx?paperID=4f5b31ab-0943-406b-bd6e-260d440d5a1b