基于改进的神经网络与支持向量机的小流域日径流量预测研究

被引：16

作者：

马乐宽 ^{[1
]}

邱瑀 ^{[2
]}

赵越 ^{[1
]}

李雪 ^{[3
]}

王玉秋 ^{[2
]}

机构：

[1] 环境保护部环境规划院

[2] 南开大学环境科学与工程学院

[3] 天津师范大学水资源与水环境重点实验室

来源：

水资源与水工程学报 | 2016年 / 05期

关键词：

日径流量; 神经网络; 支持向量机; 粒子群寻优; 日径流量预测;

D O I：

暂无

中图分类号：

TV121 [径流];

学科分类号：

摘要：

数据驱动水文模型可以在不考虑复杂物理过程的情况下,实现对数据种类较少的小流域日径流量的准确预测。本研究基于安徽省黄山市月潭水文监测站点2009-2012年的日径流量监测数据,分别构建粒子群寻优算法改进的神经网络(PSO-BPNN)以及支持向量机(PSO-SVM)模型。通过进行不同形式的模型结果比较发现,两类模型均有较好的拟合能力及泛化能力,其中基于三日流量数据的(PSO-SVM)模型具有最优模拟结果,可以考虑用于月潭流域日径流量的预测,实现流域内水资源的合理配置以及相关灾害的预防。

引用

页码：23 / 27

页数：5

共 14 条

[1] 基于BP神经网络的鄱阳湖水位模拟
李云良
张奇
李淼
姚静
[J]. 长江流域资源与环境, 2015, 24 (02) : 233 - 240
[2] 基于HSPF模型的东江流域土地利用变化对径流影响研究
白晓燕
丁华龙
陈晓宏
[J]. 灌溉排水学报, 2014, 33 (02) : 58 - 63
[3] 新安江模型参数全局优化——以月潭流域为例
辛朋磊
李致家
汤嘉辉
吴勇拓
[J]. 湖泊科学, 2011, 23 (04) : 626 - 634
[4] 基于小波分析的支持向量机径流预测模型及应用
马细霞
穆浩泽
[J]. 灌溉排水学报, 2008, (03) : 79 - 81
[5] SWAT模型的水量平衡及其在梭磨河流域的应用
陈军锋
陈秀万
[J]. 北京大学学报(自然科学版), 2004, (02) : 265 - 270
[6] A comparative study of artificial neural network, adaptive neuro fuzzy inference system and support vector machine for forecasting river flow in the semiarid mountain region[J] . Zhibin He,Xiaohu Wen,Hu Liu,Jun Du.Journal of Hydrology . 2014
[7] Artificial neural network simulation of hourly groundwater levels in a coastal aquifer system of the Venice lagoon
Taormina, Riccardo
Chau, Kwok-wing
Sethi, Rajandrea
[J]. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2012, 25 (08) : 1670 - 1676
[8] A Multivariate ANN-Wavelet Approach for Rainfall–Runoff Modeling
Vahid Nourani
Mehdi Komasi
Akira Mano
[J]. Water Resources Management, 2009, 23 : 2877 - 2894
[9] River stage prediction based on a distributed support vector regression[J] . C.L. Wu,K.W. Chau,Y.S. Li.Journal of Hydrology . 2008 (1)
[10] Multispectral landuse classification using neural networks and support vector machines: one or the other, or both?[J] . B. Dixon,N. Candade.International Journal of Remote Sensing . 2008 (4)

← 1 2 →