基于小波广义回归神经网络耦合模型的月径流预测

• 作者: 粟晓玲 郝丽娜 黄巧玲
• 来源期刊: 水力发电学报
• 学科: 地球科学
• 关键词: 月径流预测 离散小波变换 广义回归神经网络 确定性成分 随机性成分
• 年，卷（期）: 2016,（5）
• 页码范围: 47-54
• 分类号: P338.2
• 语种: 中文
• DOI: 10.11660/slfdxb.20160506

摘要

针对中长期水文预报方法预测结果精度低的问题,将离散小波变换(DWT)与广义回归神经网络(GRNN)耦合,建立了月径流预测模型.通过DWT处理将原始月径流序列分解重构为确定性成分和随机性成分两个分量,对两个分量的GRNN模型预测结果叠加作为预测值的方法称为WGRNN1模型.将WGRNN1模型与剔除随机序列的GRNN模型(WGRNN2)和不进行离散小波变换的GRNN模型结果进行对比,采用平均绝对误差(MAE)、确定性系数(DC)和相关系数(R)为模型评价指标.将模型应用于黑河干流莺落峡站的月径流预测,结果表明:模型WGRNN2的评价指标优于WGRNN1,且这两个模型预测效果都优于GRNN模型.说明与离散小波变换的耦合可以提高GRNN模型对月径流的预测精度,同时剔除随机成分的小波广义回归神经网络模型有更好的预测效果,可应用于实际生产.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	粟晓玲	西北农林科技大学水利与建筑工程学院	78	737	16.0	23.0
2	郝丽娜	西北农林科技大学水利与建筑工程学院	4	32	3.0	4.0
3	黄巧玲	西北农林科技大学水利与建筑工程学院	3	36	3.0	3.0