基于遗忘因子和误差修正的水文实时预报方法研究

在进行水文预报时,由于影响河道洪水的因素众多,常用的水文预报模型往往不符合实际水文系统的客观规律。对这类系统的参数辨识要求算法具有较强的实时跟踪能力,以适应模拟或预测洪水运动变化过程的要求。利用洪水预报误差信息,对BP网络洪水实时预报校正模型与方法进行了探讨,提出了2种实时预报方法。第一,运用最小二乘递推算法,引入时变遗忘因子实时跟踪模型中时变参数的变化,建立了神经网络在非线性系统中动态的系统输入、输出数据之间的映射关系。第二,利用BP网络模型对误差的可识别性,将模型对输出变量的预报误差再次作为输出变量,对网络可能预报的误差进行实时修正。计算实例表明:以上两种方法提高了神经网络在水文领域的预报精度,给BP神经网络的实时预报方法提供了新的途径。