基于小波神经网络和自回归模型耦合的河道洪水预测方法(英文)

被引：1

作者：

李致家

周轶

马振坤

机构：

[1] 河海大学水文水资源学院

来源：

Journal of Southeast University(English Edition) | 2008年 / 01期

关键词：

河道洪水预测; 小波神经网络; 自回归模型; 递推最小二乘; 自适应衰减因子;

D O I：

暂无

中图分类号：

P338 [水文预报];

学科分类号：

081501 ;

摘要：

在分析非线性河道洪水预报方法中常用BP神经网络不足的基础上,采用具有快速收敛和更有效非线性逼近能力特性的小波神经网络.为适应洪水演进的时变特性,将所建立的用于河道洪水预报的小波神经网络与自回归实时校正模型耦合,校正值为小波神经网络预报值与自回归模型预报误差之和.自回归实时校正模型的参数通过自适应衰减因子递推最小二乘动态更新以提高校正效果.将该方法应用于西江高要断面洪水预报,计算结果验证了其有效性.

引用

页码：90 / 94

页数：5

共 6 条

[1] 基于高维输入小波神经网络的热连轧机产品质量模型(英文) [J].