基于改进BP神经网络的非平稳水文时间序列长期预报研究

文档名：基于改进BP神经网络的非平稳水文时间序列长期预报研究
为了提高非平稳水文时间序列长期预报的精度与稳定性,本文构建了基于小波分析与遗传算法耦合的BP神经网络模型WGBP,并以上海市水文及气象代表站水位与降水量时间序列为例验证模型预测效果.WGBP模型首先采用小波分析对非平稳水文时间序列识别并分离确定性成分与随机成分,进一步对子成分分别建立遗传BP神经网络进行预测,最后将子成分预测结果叠加得最终预测结果.研究结果表明,WGBP模型应用于研究区域与站点的预报结果满足水情长期预报精度要求,基于小波分析分离子成分能够提高模型预测精度,采用遗传算法能够优化模型预测稳定性能.
作者：周雨婷 张善亮 邬雪松 王栋 李禾澍
作者单位：中国电建集团华东勘测设计研究院有限公司,浙江杭州311122南京大学地球科学与工程学院,江苏南京210023
母体文献：2020年(第八届)中国水利信息化技术论坛论文集
会议名称：2020年(第八届)中国水利信息化技术论坛  
会议时间：2020年8月19日
会议地点：上海
主办单位：河海大学
语种：chi
分类号：TP1TS4
关键词：水文长期预报  预测模型  神经网络  小波分析  遗传算法
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文

2024-12-10 15:00 上传 基于改进BP神经网络的非平稳水文时间序列长期预报研究.pdf

文件大小:

1.35 MB

下载次数:

60

高速下载