基于BP神经网络的贝叶斯概率水文预报模型

被引：41

作者：

李向阳

程春田

林剑艺

机构：

[1] 大连理工大学土木水利学院

来源：

水利学报 | 2006年 / 03期

关键词：

概率水文预报; 不确定性; MCMC; BP神经网络;

D O I：

10.13243/j.cnki.slxb.2006.03.017

中图分类号：

P338 [水文预报];

学科分类号：

摘要：

本文在贝叶斯概率水文预报系统(BFS)框架之上,研究了双牌水库水文预报的不确定性,建立了流量先验分布及似然函数的BP神经网络模型,并通过Markov链Monte Carlo(MCMC)方法求解得到流量后验分布及其统计参数。通过对双牌水库历史洪水的研究结果表明,基于BP神经网络的BFS不仅显著提高了预报精度,而且为防洪决策提供了更多的信息,使得预报人员在决策中能考虑预报的不确定性,定量的估计各种决策的风险和后果。

引用

页码：354 / 359

页数：6