MVO-GRNN模型在年径流丰枯分类中的应用

针对年径流丰枯特性同时取决于径流本身大小和年内时程分配的特点,提出采用多元优化(MVO)算法搜索广义回归神经网络(GRNN)光滑因子的MVO-GRNN年径流丰枯分类模型,以云南省龙潭站为例进行实例研究。利用月径流序列均值及标准差构建月径流分类标准,并基于该标准构造样本对MVO-GRNN模型进行训练及检验,利用训练好的MVO-GRNN模型对实例年径流丰枯进行分类,并与常规分类方法进行对比。结果表明:将MVO算法与GRNN网络有机融合,不但实现了光滑因子的自动确定,而且有效提高了GRNN模型的分类精度。利用MVO-GRNN模型对同时考虑了年径流大小及年内时程分配的实例丰枯特性进行分类,分类结果较常规方法更科学、客观。