共查询到18条相似文献,搜索用时 125 毫秒
1.
基于自适应模糊推理系统模型的径流中长期预报 总被引:1,自引:0,他引:1
介绍了自适应模糊推理系统ANFIS的原理结构及学习算法。以漫湾和双牌两座水库实测月径流序列为研究对象,研究不同的输入及不同的模糊数对自适应模糊推理系统模型做中长期预报的影响,并通过与人工神经网络模型的预报结果进行比较,显示本模型是中长期水文预报方法中较为准确的方法之一。 相似文献
2.
3.
4.
以云南电网水调高级应用软件系统为工程背景,采用面向对象的编程思想开发了B/S模式下的径流中长期预报系统.系统涉及云南电网所属的5座主力水电站及其他重要的中小水电站,采用四种常用的中长期预报模型和频率分析方法进行径流预报.系统主要功能包括预报参数率定和检验、多种预报方法间的比较分析、与历史径流过程的对比分析、基础资料添加维护与报表生成等.系统操作简便、功能强大,同时具有良好的稳定性、移植性和可扩展性. 相似文献
5.
6.
基于遗传程序设计的中长期径流预报模型研究与应用 总被引:1,自引:3,他引:1
应用遗传程序设计建立径流中长期预报模型,结合径流序列数据的特点通过自相关分析确定其滞时输入变量的个数,采用均方误差作为其适应度评价函数,以漫湾实测月径流序列(1953~2003年)和洪家渡实测月径流序列(1951~2004年)为例,通过与ARMA模型、人工神经网络模型的预报结果比较,显示该模型应用于径流中长期预报简单易行且精度较高。 相似文献
7.
酒埠江水库入库流量预报的农步回归方法 总被引:5,自引:1,他引:4
基于物理成因分,挑选出影响酒埠江水库年、月平均入库流量的前期单站预报因子,并建立了逐步归预报模,实践表明,预报效果较好,可以在生产实际中应用。 相似文献
8.
可变模糊近似推理方法在径流中长期预报中的应用 总被引:2,自引:0,他引:2
将可变模糊集理论与相似关系近似推理法相结合,提出基于相似关系的可变模糊近似推理方法,可通过变换可变参数得到多种可能的预报数值结果,经综合分析确定最终数值结果,并给出该数值实际发生的概率、可能的变动范围等多方面信息.大伙房水库年径流预报的实例表明,该方法预报中长期径流可获得较全面的信息,有助于深入分析和利用预报值. 相似文献
9.
10.
11.
12.
鉴于大伙房水库洪水预报模型为集总式模型,其参数不仅需要优选法选定或人工试错法确定,还需要实时校正,因此根据大伙房流域特点提出了一种半分布式BP神经网络洪水预报模型,实现了模型中参数的自动率定,且由于其半分布式的特点还规避了原集总式模型的部分劣势。即采用DEM和ArcGIS根据水文站及自然流域分水线划分流域,创建BP神经网络,然后应用于各子流域断面及入库断面,预报其流量值,并在每个网络中均运用逐步回归分析法对输入层数据进行筛选,以得到影响最显著因子。将所建模型应用于大伙房水库,预报精度较好,可用于大伙房水库的正式预报。 相似文献
13.
14.
年径流变化的BP神经网络预报模型研究 总被引:1,自引:0,他引:1
针对现有基于线性方法的年径流预报模型预报精度不高的问题,利用乌江洪家渡1963~2016年径流系列资料,以5~10月月平均流量作为预报影响因子,构建以年径流量为预报对象的BP神经网络模型,形成6-11-1的网络结构,并选取泛化能力强的贝叶斯规则法TRAINBR为训练函数。模拟结果表明,模型预报效果良好,对于年径流预报具有实用价值;BP神经网络模型相比逐步线性回归方法能更精确表达年径流预报因子与预报对象的映射关系;采用的训练函数TRAINBR能有效改善模型的泛化能力。研究成果可为径流预报提供参考。 相似文献
15.
16.
根据径流变化特性,提出一种基于小波-ANFIS的水库月径流组合预报模型.利用Mallat算法对月径流序列进行多尺度分解,得到对应尺度下的低频信号和高频信号,分别对这两种信号建立了ANFIS模型进行预报,将各模型预报结果叠加作为原径流的预报值.该模型用于淮河支流沙河上游年月径流变化幅度较大的昭平台水库月径流预报中,结果表明所建模型能够较好地预报原始信号的趋势,预报精度比单一ANFIS 预报模型有较大改善,但仍有待提高.对导致这一现象的主要原因进行了分析,并对模型的改进提出了合理化建议. 相似文献
17.
输入模式和遗传算子对神经网络径流预报精度的影响 总被引:1,自引:0,他引:1
采用均匀设计的方法安排数值试验,比较不同的遗传算子组合及数据输入模式对神经网络径流预报精度的影响。研究发现,与未归一数据输入模式相比,归一化数据输入模式使网络预报的精度明显提高;不同算子组合优化神经网络初始权重径流预报精度差别较大,未归一网络的优化效果较归一网络好;同时采用数据归一输入模式与遗传算法优化神经网络初始权重未产生优化效果叠加。 相似文献
18.
针对BP神经网络在径流预报中易陷入局部最优解的缺陷及智能优化算法的优势,引入改进的杂草算法优化神经网络权值和阈值,将传统的杂草算法个体以正态分布空间扩散的方式改进为混合种群多种分布的方式产生子代个体。以金沙江流域中长期径流预报为例,将改进杂草算法优化的神经网络模型的径流预报结果与传统的BP神经网络和基于遗传算法优化的神经网络模型的预报结果进行对比。结果表明,改进杂草算法优化的神经网络应用到金沙江流域的径流预报精度较高,模型收敛更快,结果更加稳定,在实际预测中合理可行,具有一定的应用优势。研究成果为径流预报提供了新思路。 相似文献