基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
采用改进的BP算法,对黄河兰州水文站45年(1956~2000年)的年降雨和径流实测资料进行了分析,建立了基于人工神经网络的年降雨-径流预测模型,研究结果表明:仅用预报前时段的年降雨和径流资料作为输入来预测下一时段的径流,其预报精度较差,但在预报期内有相对误差小于10%的降雨预报值输入时,所建模型对下一时段的径流预测与传统的统计建模方法相比,预报精度较高,能较好地反映黄河上游区的年降雨-径流规律.
推荐文章
灰预测和 BP 神经网络在梧州站年径流预测中的应用
年径流量
灰预测
BP 神经网络
西江
BP模型在降雨径流预报中的应用研究
人工神经网络
自适应BP算法
降雨径流预报
基于误差修正模型的黄河源区年径流预测
协整理论
误差修正模型
径流预测
黄河源区
模拟降雨条件下径流系数预测模型的构建
神经网络
径流系数
降雨强度
雨水利用
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 黄河年降雨-径流BP预测模型研究
来源期刊 人民黄河 学科 工学
关键词 人工神经网络 改进BP算法 预测模型 年降雨-径流模型 黄河
年,卷(期) 2005,(1) 所属期刊栏目 水文·泥沙
研究方向 页码范围 18-20
页数 3页 分类号 TP183|TV882.1
字数 3826字 语种 中文
DOI 10.3969/j.issn.1000-1379.2005.01.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 丁晶 四川大学水电学院 208 8759 49.0 86.0
2 王文圣 四川大学水电学院 110 3121 29.0 53.0
3 张学成 15 432 10.0 15.0
4 张少文 四川大学水电学院 12 450 10.0 12.0
6 王玲 18 507 13.0 18.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (17)
参考文献  (2)
节点文献
引证文献  (23)
同被引文献  (41)
二级引证文献  (41)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2005(1)
  • 引证文献(1)
  • 二级引证文献(0)
2006(2)
  • 引证文献(2)
  • 二级引证文献(0)
2007(6)
  • 引证文献(6)
  • 二级引证文献(0)
2008(3)
  • 引证文献(2)
  • 二级引证文献(1)
2009(5)
  • 引证文献(2)
  • 二级引证文献(3)
2010(6)
  • 引证文献(2)
  • 二级引证文献(4)
2011(6)
  • 引证文献(2)
  • 二级引证文献(4)
2012(5)
  • 引证文献(0)
  • 二级引证文献(5)
2013(5)
  • 引证文献(2)
  • 二级引证文献(3)
2014(7)
  • 引证文献(1)
  • 二级引证文献(6)
2015(4)
  • 引证文献(0)
  • 二级引证文献(4)
2016(5)
  • 引证文献(1)
  • 二级引证文献(4)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
人工神经网络
改进BP算法
预测模型
年降雨-径流模型
黄河
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
人民黄河
月刊
1000-1379
41-1128/TV
大16开
郑州市金水路11号《人民黄河》杂志社
1949
chi
出版文献量(篇)
10081
总下载数(次)
8
总被引数(次)
43330
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导