神经网络径流预报模型中基于互信息的预报因子选择方法

被引：36

作者：

赵铜铁钢

杨大文

机构：

[1] 水沙科学与水利水电工程国家重点实验室清华大学水利水电工程系

来源：

水力发电学报 | 2011年 / 30卷 / 01期

关键词：

互信息; 预报变量选择; 神经网络; 径流预报;

D O I：

暂无

中图分类号：

TV124 [];

学科分类号：

摘要：

神经网络在径流预报中得到了广泛应用并取得了良好效果,其关键问题之一是输入变量(预报因子)选择,但这一问题通常没有受到重视。本研究基于互信息的概念探讨了如何选择径流预报输入变量,并结合三峡工程建成前长江干流宜昌水文站的日径流预报进行了研究。结果表明,基于互信息能够有效地判断待选预报因子(输入变量)与预报变量之间的相互关系,以帮助选择神经网络预报模型的输入变量,从而提高径流预报的精度。

引用

页码：24 / 30

页数：7

共 7 条

[1] 小波变换与BP神经网络耦合的洪水预报方法 [J].

李致家 ;

周轶 ;

李志龙 ;

马振坤 .

水力发电学报, 2009, 28 (02) :20-24+19

[2] 基于BP神经网络的灰色自记忆径流预测模型 [J].

张晓伟 ;

沈冰 ;

黄领梅 .

水力发电学报, 2009, 28 (01) :68-71+77

[3] 基于EMD的降雨径流神经网络预测模型 [J].

冯平 ;

丁志宏 ;

韩瑞光 ;

张建伟 .

系统工程理论与实践, 2009, 29 (01) :152-158

[4]

神经网络原理[M]. - 机械工业出版社 , (美)SimonHaykin著, 2004

[5]

Non-linear variable selection for artificial neural networks using partial mutual information[J] . Robert J. May,Holger R. Maier,Graeme C. Dandy,T.M.K. Gayani Fernando.Environmental Modelling and Software . 2008 (10)

[6]

Seasonal to interannual rainfall probabilistic forecasts for improved water supply management: Part 2 — Predictor identification of quarterly rainfall using ocean-atmosphere information[J] . A Sharma,K.C Luk,I Cordery,U Lall.Journal of Hydrology . 2000 (1)

[7]

Seasonal to interannual rainfall probabilistic forecasts for improved water supply management: Part 1 — A strategy for system predictor identification[J] . A. Sharma.Journal of Hydrology . 2000 (1)

← 1 →