小波神经网络改进算法在来水量预测中的应用

中小河流的径流量表现出十分复杂的变化特征,如高度非线性、多时间尺度特征、时频序列,严重影响预测的准确性。由于常规的分析法难以建立有效的预测模型,所以为了提高预测精度,提出了一种改进小波神经网络的来水量预测模型,利用非线性小波函数取代了BP神经网络通常用的Sigmoid函数作为隐含层节点的传递函数,有效地避免神经网络结构设计的盲目性,同时也有更强的学习能力且精确更高。取实例建模分析,并建立BP网络模型与之比较,结果表明,小波神经网络提高了径流量预测精度。