不同组合小波神经网络模型对径流预测的适用性

被引：10

作者：

彭欣怡

于国荣

张代青

机构：

[1] 昆明理工大学电力工程学院

来源：

人民长江 | 2015年 / 46卷 / 24期

关键词：

A Trous小波分析; BP神经网络; 径向基函数神经网络; 预测模型; 水文预报;

D O I：

10.16232/j.cnki.1001-4179.2015.24.007

中图分类号：

P338 [水文预报];

学科分类号：

081501 ;

摘要：

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。

引用

页码：24 / 28

页数：5

共 16 条

[1]

小波分析及其应用[M]. 机械工业出版社 , 孙延奎编著, 2005

[2]

水文小波分析[M]. 化学工业出版社 , 王文圣,丁晶,李跃清著, 2005

[3]

The combination of forecasts. Bates JM,Granger CWJ. Operational Research Quarterly . 1969

[4]

MATLAB神经网络30个案例分析[M]. 北京航空航天大学出版社 , MATLAB中文论坛, 2010

[5]

SL 250-2000. 水文情报预报规范[S]. 2000

[6]

湘江流域中长期水文预报[D]. 宋荷花.长沙理工大学 2008

[7] 水文预报时间序列神经网络模型 [J].

钟登华，王仁超，皮钧 .

水利学报, 1995, (02) :69-75

[8] 基于子波变换序列的人工神经网络组合预测 [J].

李贤彬 ;

丁晶 ;

李后强 .

水利学报, 1999, (02) :3-6+44

[9] 水文水资源及水环境分析的若干进展 [J].

李祚泳 .

四川大学学报(工程科学版), 2002, (02) :1-4

[10] 不同径流尺度的小波神经网络预测 [J].

汪丽娜 ;

陈晓宏 ;

李艳 .

华南师范大学学报(自然科学版), 2013, 45 (02) :104-106

← 1 2 →