| 混沌理论与BPNN耦合的径流中长期预测模型 |
| |
| 引用本文： | 王树威,李建林,崔延华,高培强,赵帅鹏.混沌理论与BPNN耦合的径流中长期预测模型[J].水资源与水工程学报,2021,32(3):73-79. |
| |
| 作者姓名： | 王树威 李建林 崔延华 高培强 赵帅鹏 |
| |
| 作者单位： | （1.河南理工大学 资源环境学院，河南 焦作 454000； 2.煤炭安全生产与清洁高效利用省部共建协同创新中心，河南 焦作 454000； 3.广西大藤峡水利枢纽开发有限责任公司， 广西 南宁 530000） |
| |
| 基金项目： | 国家自然科学基金项目（41672240、41573095）; 河南省自然科学基金项目（182300410155） |
| |
| 摘 要： | 受诸多因素的影响,径流时间序列具有非线性和混沌特征。单一的BPNN模型可以进行径流的中长期预测,但存在对径流影响因素量化不够的缺点;单一的混沌模型可以量化径流的影响因素,但只能实现短期预测。为此建立了混沌理论与BPNN耦合的径流中长期预测模型。针对黑河上游莺落峡水文站1944-2017年的径流序列,利用混沌理论计算了径流序列的延迟时间τ、嵌入维数m和最大Lyapunov指数λ_(max),并进行了径流序列的相空间重构,以此确定BPNN的输入层神经元个数、取值和预测的周期时长;利用BPNN对1944年1月-2012年12月的径流量数据进行训练,建立了混沌-BPNN和混沌-BPNN等维递补两种预测模型;以2013年1月-2017年12月(5 a)的径流量进行模型验证。结果表明:混沌-BPNN等维递补模型的预测精度达到了91.84%,预测效果较好。混沌理论与BPNN耦合的径流预测模型将两种方法的优势互补,尤其是混沌-BPNN等维递补模型,在补充新信息的同时剔除因系统发展而使特征意义降低的老数据,减小了BPNN训练的时间跨度,提高了预测精度,为径流的中长期预测提供了新的有效方法。
|
| 关 键 词： | 混沌 BPNN 等维递补 径流中长期预测 黑河出山径流 |
Medium and long term runoff prediction model coupled with chaos theory and BPNN |
| |
| WANG Shuwei,LI Jianlin,CUI Yanhu,GAO Peiqiang,ZHAO Shuaipeng.Medium and long term runoff prediction model coupled with chaos theory and BPNN[J].Journal of water resources and water engineering,2021,32(3):73-79. |
| |
| Authors: | WANG Shuwei LI Jianlin CUI Yanhu GAO Peiqiang ZHAO Shuaipeng |
| |
| Abstract: | |
| |
| Keywords: | chaos back propagation neural network (BPNN) equal dimension replenishment medium and long term runoff prediction runoff of the upper reaches of Heihe River |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《水资源与水工程学报》浏览原始摘要信息 |
|
点击此处可从《水资源与水工程学报》下载全文 |
|
