基于网络的自适应模糊推理系统在冰情预报中的应用

本研究将基于网络的自适应模糊推理系统应用在冰情预报中。通过分析基于网络的自适应模糊推理系统的网络结构、水温数据及其相关预报因子的分布特点、隶属度函数个数及预见期对预报结果影响的比较,确定了隶属度函数类型、隶属度函数个数和预报的预见期。文中以黄河宁蒙河段石嘴山为例,介绍水温预报的应用研究,并将预报水温同实测水温进行比较。通过描述预报值和实测值关系的确定性系数,对预报结果作了分析。结果表明,除了石嘴山水文站2002年预报结果实测值和预报值偏差较大、确定性系数偏小之外,其余预报组次中预报值和实测值均吻合较好,达到甲等预报方案。     

模糊神经网络水文预报模型在洺河流域的应用

本文选取雨强距离指数(IPD)及其他有关参数等作为自适应神经模糊推理系统(ANFIS)水文预报模型的输入,提出雨强距离指数的定义及其目的和意义。为剖析雨强距离指数在水文预报模型中的应用,分别建立不包含雨强距离指数的模型A与包含该指数的模型B进行对比评价。结果表明,将雨强距离指数作为ANFIS水文预报模型的输入能够提高模型的预报精度。     

基于PCA和ANFIS的土的工程地质性质研究

提出了一种基于主成分分析法(PCA)与自适应神经模糊推理系统(ANFIS)相结合的土的物理指标与力学参数关系研究方法,首先通过主成分分析对土的物理指标提取主成分,以达到消除变量间的相关性和减少模型输入量的目的,再利用神经网络的高度的自适应性和模糊推理系统的推理能力建立ANFIS模型.算例表明所提出方法是有效的和可行的.     

基于人工神经网络的黄河源区枯季径流预报

分析了黄河源区枯季径流的影响因素，并选取基于枯季径流形成机理的、与径流相关性高的因子作为人工神经网络模型的输入，运用误差逆传播算法的多层前向网络，利用VC^ 语言调用随机函数克服了网络全局寻优的缺陷，建立了黄河源区枯季径流预报的BP模型。对黄河源区枯季径流长期预报的结果表明，ANN(7，1，15，1)模型预报结果精度高，容错能力强，是枯季径流预报的有效手段。     

基于ANFIS的大坝渗流监测数据处理和安全预报

提出了基于自适应神经模糊推理系统(ANFIS)和模糊聚类的土石坝渗流监测数据处理和安全预报的方法,并将其应用于岳城水库渗流监测数据的预测,实例计算表明所建模型合理,计算精度较高。     

基于Elman网络的黄河源区枯季径流预报研究

采用反馈Elman网络对黄河唐乃亥及玛曲两站1959～2003年年降水量及径流量进行了分析,建立了基于反馈神经网络的黄河源区枯季径流预报模型.利用matlab7神经网络工具箱对黄河源区唐乃亥站枯季径流量进行了预报.结果表明,所建立的ANN(7,7,15,7)模型预报结果精度高,容错能力强,是枯季径流预报的有效手段.     

黄河内蒙古段开河日期预报模型及应用

对黄河内蒙古段的冰情特点进行分析,选用1970—1971年度至2007—2008年度共38个冬季的冰情资料,提取合适的预报因子,分别采用人工神经网络模型和多元线性回归模型,对黄河内蒙古段的开河日期进行预报。结果表明,神经网络模型和多元线性回归模型预报样本合格率分别为86.7%和80.0%,神经网络模型的预报精度高于多元线性回归模型,更适用于黄河内蒙古段开河日期预报。     

ANN、ANFIS和AR模型在日径流时间序列预测中的应用比较

水文预测是水文学为经济和社会服务的重要方面。其预报结果不仅能为水库优化调度提供决策支持,而且对水电系统的经济运行、航运以及防洪等方面具有重大意义。自回归模型(AR模型)、人工神经网络(ANN)和自适应神经模糊推理系统(ANFIS)在日径流时间序列中应用广泛。将这三种模型应用于桐子林的日径流时间序列预测中,不仅采用纳什系数(NS系数)、均方根误差(RMSE)和平均相对误差(MARE)为评价指标,对三种模型的综合性能进行了比较。而且,在对三种模型预测结果的平均相对误差的阈值统计基础上,分析了三种模型的预测误差分布。同时,通过研究模型性能指标随预见期的变化过程评价了三种模型不同预见期下的预测能力。结果表明ANFIS相对于ANN和AR模型不仅具有更好的模拟能力、泛化能力,而且在相同的预见期下具有更优的模型性能,可以作为日径流时间序列预测的推荐模型。     

基于天气预报改进模型ET0实时预报应用

建立了以Penman Monteith(PM)方程计算参考作物需水量(ET0)为因变量,天气预报可测因子(日最高、最低气温、反映天气类型的阴晴指数、风力等级)为自变量的多元回归线性模型,应用自适应神经模糊推理系统(ANFIS)进行修正残差的改进模型.通过与PM计算ET0结果分析,改进模型预测结果相对于多元线性回归模型具有精度高、整体拟合度好,具有较好的预测效果.改进模型的输入项完全可以从当前短期天气预报中获得,且将两种基础方法结合,操作运行简单等优点,在实时灌溉预报中有一定的推广意义,具有实用价值.     

基于互信息与神经网络的天山西部山区融雪径流中长期水文预报

为提高天山西部山区融雪径流的预报精度,更好地指导所在区域的工农业生产发展,针对影响预报精度的关键问题(预报因子的选择),基于互信息法、相关系数法、主成分分析法对研究区的预报因子进行优选,采用RBF神经网络以及组合小波BP神经网络模型进行径流预报研究,并进行不同方案的比较。结果表明:①互信息法优选出的预报因子作为模型输入可以提高预报精度;②采用不同优选预报因子作为RBF神经网络以及组合小波BP神经网络模型的输入变量,结果表明RBF神经网络模型的预测精度要好于组合小波BP神经网络模型;③以相对误差作为评价模型精确度的标准,预测效果最好的是基于互信息方法挑选出的预报因子作为RBF神经模型输入数据的模型预测结果。