基于BP神经网络的贝叶斯概率水文预报模型

• 作者: 李向阳 林剑艺 程春田
• 来源期刊: 水利学报
• 学科: 地球科学
• 关键词: 概率水文预报 不确定性 MCMC BP神经网络
• 年，卷（期）: 2006,（3）
• 页码范围: 354-359
• 页数: 6页
• 分类号: P333
• 字数: 3966字
• 语种: 中文
• DOI: 10.3321/j.issn:0559-9350.2006.03.017

摘要

本文在贝叶斯概率水文预报系统(BFS)框架之上,研究了双牌水库水文预报的不确定性,建立了流量先验分布及似然函数的BP神经网络模型,并通过Markov链Monte Carlo(MCMC)方法求解得到流量后验分布及其统计参数.通过对双牌水库历史洪水的研究结果表明,基于BP神经网络的BFS不仅显著提高了预报精度,而且为防洪决策提供了更多的信息,使得预报人员在决策中能考虑预报的不确定性,定量的估计各种决策的风险和后果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程春田	大连理工大学土木水利学院	168	2851	30.0	45.0
2	林剑艺	大连理工大学土木水利学院	10	316	7.0	10.0
3	李向阳	大连理工大学土木水利学院	10	163	6.0	10.0