小波网络模型及其在日流量预测中的应用附视频

被引：7

作者：

鞠琴

余钟波

郝振纯

欧耿鑫

佘超

刘德东

机构：

[1] 河海大学水文水资源与水利工程科学国家重点实验室

来源：

西安建筑科技大学学报(自然科学版) | 2009年 / 01期

关键词：

小波分析; BP神经网络; 小波神经网络; ATrous算法; 日流量预测;

D O I：

10.15986/j.1006-7930.2009.01.027

中图分类号：

TV124 []; TP183 [人工神经网络与计算];

学科分类号：

081501 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于小波分析和人工神经网络两者的优点,本文尝试将小波分析与ANN结合建立松散型WNN耦合模型,通过小波变换把南告水库的日流量序列分解成不同频段的子序列,再对这些子序列分别采用BP神经网络进行预测,最后利用小波重构得到整体的预测效果,并与传统BP模型结果相比较.研究结果表明,该方法提高了预报精度,可以成功地用于水文模拟和预测.

引用

页码：47 / 52

页数：6

共 7 条

[1] 灰色自记忆神经网络模型在年径流预测中的应用 [J].

张晓伟 ;

黄领梅 ;

沈冰 ;

孙新新 ;

刘敏 .

西安建筑科技大学学报(自然科学版), 2006, (06) :761-764+770

[2] 基于子波变换序列的人工神经网络组合预测 [J].

李贤彬 ;

丁晶 ;

李后强 .

水利学报, 1999, (02) :3-6+44

[3]

SL 250-2000. 水文情报预报规范[S]. 2000

[4]

水文小波分析[M]. 化学工业出版社 , 王文圣,丁晶,李跃清著, 2005

[5]

Chaos based Analytical techniques for daily extreme hydrological observations[J] . W.W. Ng,U.S. Panu,W.C. Lennox.Journal of Hydrology . 2007 (1)

[6]

Comparing neural network and autoregressive moving average techniques for the provision of continuous river flow forecasts in two contrasting catchments[J] . Robert J.Abrahart,LindaSee.Hydrol. Process. . 2000 (11‐)

[7]

Using genetic algorithms to sove a multiobjective groundwater monitoring problem. Cieniawski S E, Eheart J W, Ranjithans. Water Resources . 1995

← 1 →