共 7 条
- [6] 复杂性理论在河川径流时间序列分析中的应用研究[D]. 佟春生.西安理工大学. 2005
- [7] Mosaic organization of DNA nucleotides .2 Peng C-K,Buldyrev S V,Havlin S,Simons M,Stanley H E,Goldberger A L. Physical Review E Statistical, Nonlinear and Soft Matter Physics . 1994
改进的人工神经网络模型在水文序列预测中的应用研究
被引：14
作者：
刘星才
许有鹏
唐郑亮
机构：
[1] 南京大学地理与海洋科学学院
来源：
关键词：
人工神经网络;
径流预测;
标度区间;
消除趋势波动分析;
D O I：
暂无
中图分类号：
P338 [水文预报];
学科分类号：
摘要：
目前人工神经网络(ANN)技术在水文序列模拟预测中有较多应用.由于径流时间序列往往呈现出复杂的变化过程,直接使用径流序列建立的ANN单变量预测模型大多精度较差而难以满足需要.本文拟从两个方面进行改进,以提高ANN径流量预测模型的精度.首先,根据径流序列的变化规律,滤去序列中的季节性变化趋势,并采用局部多项式拟合求残差方法消除局部波动成分后得到新序列作为ANN模型训练样本,结果表明由此训练得到的ANN模型比未作处理的样本训练得到的ANN模型预测精度明显改善.另一方面,通过消除趋势波动分析(DFA)方法检测径流序列的分形特征并估算其标度区间;选取不同数量的训练样本进行训练得到多个ANN模型,确定模型预测精度最高时的训练样本数,并与标度区间比较,结果表明在标度区间内选取训练样本数可明显提高ANN模型预测精度.这对ANN模型训练样本数的选取有指导意义.
引用
收藏
页码：85 / 90
页数：6
相关论文