共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
3.
基于人工神经网络的日径流预测 总被引:2,自引:0,他引:2
给出了用人工神经网络(ANN)对 三峡宜昌站的日径流预测模型建模的过程,对ANN输入变量的选择和个数的确定以及隐藏层 、输出层单元数的确定等关键技术问题进行了探讨。所建立的基于ANN的预测模型可以进行 提前7 d的日径流预测,预测结果令人满意。 相似文献
4.
5.
入库径流预测对丹江口水库调度及水资源利用具有重要的指示意义。基于灰狼优化算法(GWO)构建不同的预测模型,开展丹江口水库月入库径流预测研究,并探讨网络结构超参数的选取及验证GWO全局遍历性、收敛快的特点。结果表明:灰狼优化的长短期记忆模型(GWO-LSTM)的预测精度和泛化性能优于灰狼优化的人工神经网络模型(GWO-BP)和逐步回归模型,其验证期的纳什效率系数平均达到0.969,整体趋势预测较好,峰值捕捉略有不足,可适用于丹江口水库月入库径流预测;模型超参数依据经验取值时,其预测结果不如GWO优化,验证期的纳什效率系数不足0.5,未达到可接受范围,而且带有一定的偶然性,建议选用具有全局优化特性的优化算法进行超参数选取;验证了GWO算法全局遍历性和收敛快的特点,平均在3次迭代后可达到收敛状态。 相似文献
6.
为提高城市降水径流短期预测和长期预测的精度,降低预测结果的绝对误差和相对误差,引入单位线法,开展对其预测方法的设计研究。为提供更可靠的预测依据,对城市流域河网水系信息进行提取,确定影响城市降水径流的各个因素;利用单位线法对城市降水径流过程进行数学描述,并完成对城市降水量的计算;引入GA-BP神经网络模型实现对城市年降水径流的预测。通过对比实验的方式,将新的预测方法与基于SCS-CN模型的预测方法应用到相同实验环境中,对同一城市降水径流进行预测。从实验结果得出,新的预测方法无论是短期预测还是长期预测,其预测精度均高于基于SCS-CN模型的预测方法,具有更高的应用价值。 相似文献
7.
为提高径流预测精度,减轻径流预测工作强度,基于Windows服务和优化技术,采用面向对象编程语言C#及ASP.NET开发工具,开发了扩展性好、移植性强的自动化、智能化径流预测系统.文中叙述了该系统的开发目标、结构功能及特点、采用的关键技术.该系统已应用于多个流域水电站,实际运行情况表明,系统运行稳定,效果良好. 相似文献
8.
9.
【目的】针对当前径流预测中存在的预测精确度低、稳定性差、延时高,机理认识不深刻等问题,提出一种新的基于正交三角分解的宽度学习模型(QR-RBL)。【方法】该模型利用正交三角矩阵分解重新定义宽度学习输出层权重矩阵求解方案,可有效提高宽度学习模型的预测效率。同时,为提高宽度学习的泛化能力,将正则化方法引入QR-BL,进一步完成QR-RBL预测模型。最后,在QR-RBL的基础上,构建基于QR-RBL的径流预测方法。该方法首先基于径流自相关思想,动态化、智能化选择预测序列,然后通过设置滑动窗口,获取预测步长,最后通过QR-RBL进行未来预测。【结果】以黄河流域部分水文站试验数据为基础,结果表明,基于QR-RBL的径流预测模型相比于传统宽度学习模型,其效率提高0.68倍。相比于传统神经网络模型(ANN)预测精准度提高0.79倍,可信度提高1.1倍。【结论】综合以上分析,QR-RBL算法在径流预测方面有效的提高了模型的精准度,可信度和效率,为径流预报,灾害监管提供了一种新方法和新思路。 相似文献
10.
径流式水电站年发电量的灰色预测 总被引:3,自引:0,他引:3
通过径流式水电站发电量变化及其预测问题的分析,建立了径流水电站年发电量预测的灰色数学模型,并就预测中样本序列的拓扑选择,预测的目标等问题提出了相应的策略,最后结合一个实例说明了本方法的应用。结果表明,本文的方法及分析思路,对径流式水电站年发电量的预测具有较好的应用和参考价值。 相似文献
11.
基于遗传算法的神经网络优化预测模型及其在年径流预报中的应用 总被引:5,自引:0,他引:5
根据径流中长期预测的特点,将遗传算法和神经网络相结合,提出一种年径流预测新算法——遗传神经网络优化预测方法.该方法提高了径流中长期预测模型的优化能力,有效地克服了人工神经网络学习速度慢、存在局部极小点的固有缺陷.最后对实例分别用几种不同的模型进行预测,经比较分析,证明所提出的方法能有效地提高预测精度和速度 相似文献
12.
为进一步提高径流预测精度和泛化能力,根据回归支持向量机(SVR)特性及基本原理,提出考虑不同影响因子(输入向量)的SVR集成预测模型,以云南省南盘江西桥站1961—2007年径流预测为例进行实例研究。首先,利用相关分析法选取年径流预测的若干影响因子,依次构建不同影响因子的SVR单一模型对研究实例进行预测,并构建对应的RBF模型作为对比预测模型;然后,采用加权平均和简单平均2种方法对具有较好预测精度和互补性的单一模型的预测结果进行综合集成。结果表明基于SVR的加权平均和简单平均2种集成模型径流预测的平均相对误差绝对值分别为1.27%和1.54%,最大相对误差绝对值分别为2.99%和2.74%,其精度和泛化能力均大幅优于各单一模型以及基于RBF的加权平均和简单平均集成模型,表明加权平均SVR和简单平均SVR集成模型具有较高的预测精度和泛化能力。相对而言,加权平均集成模型赋予了预测效果好的模型更大的权重,预测精度和泛化能力均优于简单平均集成模型。预测模型和方法可为相关预测研究提供参考和借鉴。 相似文献
13.
改进的BP网络模型及其在日径流预测中的应用 总被引:2,自引:0,他引:2
尝试了基于MATLAB6.5的人工神经网络工具箱在水文日径流预测中的应用,并采用贝叶斯正则化方法改进BP网络算法,从而提高了BP网络的推广能力。将该模型应用于大渡河流域日径流的预测,取得了较好的预测效果。 相似文献
14.
15.
16.
17.
18.