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。     

粒子群小波人工神经网络组合模型的径流预测

为了克服传统径流过程预测容易产生累积误差的缺点,提高径流预测精度,提出了一种基于粒子群小波人工神经嘲络组合模型的月径流过程预测算法,该算法具有原理简单、实用性强等特点.将该算法用于预测某电厂月径流过程计算,结果表明,其预测结果精度高,可为水电厂提供可靠的入库径流,对水电厂制定合理的运行方式有重要作用.     

基于小波分析的ANN模型日径流预测研究

介绍基于小波分析建立的人工神经网络模型,并给出构造模型的一般步骤及关键算法.利用此模型对日径流进行模拟与预测,实验表明,基于小波分析的人工神经网络模型在日径流模拟过程中具有很好的仿真能力,训练后的模型用于预测具有较高的精度.     

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.     

小波神经网络在径流预测中的应用研究

将小波变换应用到径流序列分析中,获得了黄河陕县水文站109年径流序列的组成情况和变化趋势。用BP神经网络与小波变换相结合,对该站109年径流序列进行了研究,认为：①小波网络预测模型是综合小波变换与神经网络两者优点而形成的一种数学建模分析方法;②小波神经网络的建模算法可有效提高预测精度;③小波神经网络预测中一些数据的预测结果欠佳,其原因主要是由于不存在理想的数字滤波器和误差累积所致。对影响结果的因素进行了分析,并对神经网络、小波神经网络在径流分析中的应用做了评价。     

基于小波消噪的年径流预测SPA模型

集对分析(SPA)的年径流预测就是基于SPA原理从同、异、反3个方面刻画预测模型的误差分布情况,利用联系度描述水文预测模型的预测精度,从而建立预测模型。水文序列的多时间尺度和高度的非线性特性,使得建立的水文预测模型精度往往不高。应用小波消噪的特点,利用汾河水库坝下站1959—1983年的资料建立小波消噪的SPA模型,对1984—1989年的丰枯状态进行预测,将水文预测中的单一预测和综合预测结果分别与实测系列进行对比。结果表明,综合预测模型优于单一预测模型。     

年径流预测的G-SPA模型及其应用

提出了以几何形式表示集对的G-SPA模型,该模型以向量之间的夹角、相关系数、欧式距离以及向量的模为指标对径流集合建立对应的指标集合,将指标集合的相似度作为判断径流集合相似度的依据,其优点是不仅考虑了径流大小的相似性,而且考虑了径流变化趋势的相似性。将G-SPA预测模型应用于沱江三皇庙站年均流量预测中,并分别与GRNN神经网络模型以及AR(2)模型的预测结果进行了对比。结果表明:G-SPA模型预测的平均相对误差为16.42%,预测结果优于GRNN模型和AR(2)模型。     

一种新的小波网络组合预测模型

基于小波分析和人工神经网络,提出了一种新型的小波网络组合模型.该模型吸取了小波分析和人工神经网络的优点,具有最佳的函数逼近能力,能提高径流预测精度和延长预见期.以长江三峡水电站年平均流量、11月流量最大值及该月上、中、下旬流量最大值预测为例,对建议的模型进行了研究.拟合和检验结果表明小波网络组合模型是满意的,适合于水文水资源预测.     

基于神经网络的年径流预测模型

年径流预测过程可以认为是一种复杂非线性函数关系的逼近过程。人工神经网络具有表达任意非线性映射的特性，在分类、学习和容错方面表现出很好的能力，可以克服常用的如回归分析模型结构更新量大、预报精度低的缺陷。以下着重介绍了ＡＮＮ 基本原理和算法，并结合实例说明了应用方法，并且通过建立年径流预测的人工神经网络模型，为年径流预测提供了具有实用价值的基本理论和实施技术。     

快速BP算法在年径流预测研究中的应用

中长期径流预测是水资源研究领域的一项重要内容,本文针对汾河上游兰村站的径流量进行预测。建立三层BP神经网络模型,采用Levenberg-Marquardt(LM)法对模型进行训练。结果表明:模拟和预测的结果精度较高,满足精度要求。LM-BP神经网络模型在汾河上游兰村站的径流预测中是可行的,研究结果可为区域水资源规划管理提供科学依据。     

水库流域年均径流模型的灰色神经网络分析

水库流域年均径流量受诸多因素影响，而年均径流量对水库流域水资源经济开发利用作用显著。利用改进后的灰色模型对某水库流域实测数据的年均径流模型进行了相关影响因子的建模分析，将预测值与实测值作为神经网络的训练样本，对网络进行训练并分别进行识别，同时进行误差分析对比。结果表明，灰色神经网络能对水库流域年均径流模型进行预测分析，精度较高，所得结果与实际观测数据基本相符。     

BP神经网络在河段汛期径流预测中的应用

本文以武隆站与江界河1985～1986年汛期(5～10月)的实测数据为资料,利用BP算法,建立了基于人工神经网络的武隆站汛期预报模型,经过1987年的资料检验,同时与线性回归模型相比较得出,该模型预报精度良好,模型稳定可靠。     

基于GM和BP网络的年均流量组合预测模型

以岷江紫坪铺测站1937～2004年的实测流量资料为依据,运用灰色拓扑预测方法,在建模过程中将GM(1,1)模型、无偏GM(1,1)模型以及GM(1,1)改进模型与BP神经网络进行优化组合,建立年均流量组合预测模型.本文采用1995～2004年的年均流量资料对模型进行检验,结果表明,预测相对误差值较为合理,可以作为年均流量预测的有效方法.     

RBF神经网络模型在金沟河流域径流预测中的应用

河川径流时间序列是一个复杂的非线性系统,使传统的预测方法难以描述其变化规律。将金沟河流域八家户站的1957年至2003年的年径流实测数据作为样本,转化为径流差后,进行归一化处理及自相关函数分析,在MATLAB环境下建立径向基神经网络径流预测模型。结果表明:与传统的BP神经网络预测比较,利用径向基神经网络模型对径流序列进行预测具有更高的精度和更短的运算时间,是径流预测的一种有效方法。     

小波神经网络模型在河道流量水位预测中的应用

鉴于BP神经网络学习收敛速度慢、参数选择困难、易陷入局部极值等缺点,提出小波神经网络河道流量水位预测模型,以盘龙河天保站流量水位预测为例进行分析。采用循环算法确定最佳BP神经网络结构,并在相同网络结构及期望误差等条件下,运用GA优化BP神经网络初始权值和阈值,构建传统BP、GA-BP神经网络河道流量水位预测模型作为对比预测模型。结果表明:小波神经网络结合了神经网络与小波分解在函数逼近上的优点,其预测精度高于传统BP和GA-BP网络模型,表明小波神经网络用于河道流量水位预测是合理可行和有效的,可为水文预测预报提供新的途径和方法。且小波神经网络模型具有计算简便、逼近能力强、收敛速度快,能有效避免局部极值等特点,有着广阔的应用前景。     

不同组合小波神经网络模型对径流预测的适用性

针对水文时间序列的非平稳性特征,以长江三峡宜昌站1904~2003年年平均流量为例,分别建立了小波分析（WA）与BP神经网络和径向基函数神经网络（RBF）耦合的预测模型,探究了两种组合模型的预测效果,并与传统的单一人工神经网络模型对比;并采用5种常见的预测性能评价指标分析预测效果。结果表明：组合模型预测成果的精度较单一模型显著提高;组合和单一模型中RBF网络模型均优于BP网络模型;小波径向基函数神经网络组合模型具有较优的预测精度和泛化能力,是提高预测精度的有效方法,在径流预测中具有可行性。     

GM(1,1)改进模型在年径流量预测上的应用

背景值是影响灰色模型预测精度的关键性因素之一,GM(1,1)改进模型是在对背景值进行优化的基础上建立的灰色模型。通过对研究区年均径流量资料进行分析,根据径流量和时间的关系,建立了GM(1,1)改进模型,并将其应用于年径流量的预测,取得了较好的效果。     

回归支持向量机模型及其在年径流预测中的应用

研究交叉验证（CV）SVR年径流预测模型,以云南省清水江革雷站为例进行实例分析。利用SPSS软件选取年径流影响因子,确定输入向量;采用CV方法搜寻SVR惩罚因子C和核函数参数g,构建CV-SVR多元变量年径流预测模型,并构建GA-BP、传统BP模型作为对比模型。利用所构建的模型对实例进行预测。结果表明：CVSVR模型对实例后15年年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为3.4596%、9.3035%,预测精度和泛化能力均优于GA-BP、传统BP模型,表明CV能有效搜寻SVR惩罚因子C和核函数参数g。CV-SVR模型具有预测精度高、泛化能力强以及算法稳定等特点。     

流域年径流量组合预测方法研究与应用

本文介绍了组合预测模型的原理,并以周期叠加外推法、平稳时间序外推法和灰色预测为子预测模型建立时变权最小方差组合预测模型。实例计算结果表明,时变权最小方差组合预测模型的预测精度优于3个子预测模型。组合预测模型理论依据充分,既可应用于流域年径流量的预测,又可推广到其他水文要素的预测。