ANN 、ANFIS 和 AR 模型在日径流时间序列预测中的应用比较

• 作者: 王旭 王浩 谭乔凤 雷晓辉
• 来源期刊: 南水北调与水利科技
• 学科: 地球科学
• 关键词: 自回归模型 人工神经网络 自适应神经模糊推理系统 日径流时间序列预测
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 【水文水资源】
• 页码范围: 12-17,26
• 页数: 7页
• 分类号: P338
• 字数: 5817字
• 语种: 中文
• DOI: 10.13476/j.cnki.nsbdqk.2016.06.003

摘要

水文预测是水文学为经济和社会服务的重要方面。其预报结果不仅能为水库优化调度提供决策支持，而且对水电系统的经济运行、航运以及防洪等方面具有重大意义。自回归模型（AR模型）、人工神经网络（ANN）和自适应神经模糊推理系统（A N FIS ）在日径流时间序列中应用广泛。将这三种模型应用于桐子林的日径流时间序列预测中，不仅采用纳什系数（NS系数）、均方根误差（RMSE）和平均相对误差（MARE）为评价指标，对三种模型的综合性能进行了比较。而且，在对三种模型预测结果的平均相对误差的阈值统计基础上，分析了三种模型的预测误差分布。同时，通过研究模型性能指标随预见期的变化过程评价了三种模型不同预见期下的预测能力。结果表明 AN‐FIS相对于A N N和A R模型不仅具有更好的模拟能力、泛化能力，而且在相同的预见期下具有更优的模型性能，可以作为日径流时间序列预测的推荐模型。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王浩		395	9729	53.0	84.0
2	王旭		33	198	9.0	13.0
3	雷晓辉		157	1165	16.0	26.0
4	谭乔凤	四川大学水利水电学院	4	20	2.0	4.0