OALib Journal期刊
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
Keywords: 人工神经网络 ,多方法优选因子 ,枯水期径流预报 ,长江流域
Abstract:
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
References
[1] 赵铜铁钢,杨大文,蔡喜明,等.基于随机森林模型的长江上游枯水期径流预报研究[J].水力发电学报,2012,31(3):18-24. [2] Baratti R,Cannas B,Fanni A,et al.River flow forecast for reservoir management through neural networks[J].Neurocomputing,2003,55(3/4):421-437. [3] 张利平,王德智,夏军,等.基于气象因子的中长期水文预报方法研究[J].水电能源科学,2003,21(3):4-6. [4] 张利平,胡江林,邓中华,等.人工神经网络在卫星遥测定量降雨估算中的应用[J].系统工程理论与实践,2003,23(1):139-142. [5] 闻新,周露,李翔,等.MATLAB神经网络仿真与应用[M].北京:科学出版社,2003. [6] 张利平,王德智,夏军.白山水库径流中长期预报研究与应用[J].水电能源科学,2002,20(1):18-20. [7] 孙少华.水环境评价及系统仿真研究[D].南京:河海大学,2005. [8] 李永康,陈方维,马开玉,等.长江中下游夏季特大旱涝预测研究[J].水科学进展,2000,11(3):266-271. [9] 丁晶,邓育仁,安雪松.人工神经前馈(BP)网络模型用作过渡期径流预测的探索[J].水电站设计,1997,13(2):70-75. [10] 王方清.长江流域水资源保护状况和保护战略[C]//第二届长江论坛论文集—洞庭湖论坛编委会.第二届长江论坛论文集,长沙,2007:388-394. [11] 李成振,郭学仲,王志兴.人工智能冰情预报的预报因子确定[J].水利水电技术,2012,43(2):9-13. [12] 张小峰,许全喜,裴莹.流域产流产沙BP网络预报模型的初步研究[J].水科学进展,2001,12(1):17-22. [13] 缪益平,邓俊.基于BP人工神经网络的枯水径流预报方案研究[J].水文,2008,28(3):33-36. [14] 张利平,王德智,夏军,等.相空间神经网络模型及其在水文预测中的应用[J].水电能源科学,2004,22(1):5-8. [15] 王富强.中长期水文预报及其在平原洪水资源利用中的应用研究[D].大连:大连理工大学,2008. [16] 刘刚,刘纪平,赵荣,等.BP神经网络模型在澜沧江流域径流量模拟中的应用[J].测绘科学技术学报,2008,25(4):271-274. [17] 鲁帆,严登华,王勇,等.中长期径流预报技术与方法[M].北京:中国水利水电出版社,2012.
Full-Text
Contact Us
service@oalib.com
QQ:3279437679
WhatsApp +8615387084133
