基于时空序列模型的RBF神经网络在河流水位预测中的应用

• 作者: 李欣 王超 赵虎川
• 来源期刊: 城市勘测
• 学科: 地球科学
• 关键词: 河流水位预测 水文预报 时空序列 RBF神经网络
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 3S 研究与应用
• 页码范围: 34-39
• 页数: 6页
• 分类号: P641.6
• 字数: 3506字
• 语种: 中文

摘要

河流水位预测一直以来都是水文预报中研究的热点。河流水位变化不定，具有时间上和空间上的变化性、多维性、动态性和不确定性等，给水位预测带来了挑战。本文综合考虑河流水位时空信息，建立基于时空序列的RBF神经网络预测模型来预测河流水位。实验中预测了金沙江下游向家坝水文站的水位信息，并将实验结果与其他多种水位预测方法比较，实验结果显示基于时空序列的RBF神经网络模型在河流水位预测中具有较高精度，证明了方法的可行性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王超	武汉大学测绘遥感信息工程国家重点实验室	93	534	14.0	20.0
2	李欣		7	13	2.0	3.0
6	赵虎川		1	8	1.0	1.0