基于主成分分析的RBF神经网络在需水预测中的应用

• 作者: 孙娟 李司瑾 桑慧茹 王丽学 陈韶明
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 需水量 主成分分析 RBF神经网络 凌源市
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 水文水资源与环境
• 页码范围: 58-61
• 页数: 4页
• 分类号: TV213.4
• 语种: 中文

摘要

针对需水预测方法大都存在一定的局限性,导致预测值与实际值差别较大的问题,采用主成分分析与径向基函数(RBF)神经网络相结合的方法建立需水量预测模型.首先借助SPSS进行主成分分析,对影响因子进行降维处理,以此减少各影响因子之间原有的多重共线性;其次,选用RBF网络,运用Matlab神经网络工具箱,建立了基于主成分分析的RBF(PCA-RBF)神经网络需水预测模型;并以辽宁西部地区凌源市需水预测为例,对预测模型进行了校核.利用训练好的PCA-RBF神经网络需水预测模型对凌源市2014、2015年的总需水量进行模拟预测,预测结果与实测数据相对误差分别为2.9％、0.4％.这说明该模型可相对全面地模拟需水量变化规律,能够用于半干旱山区和材料相对较少时需水量的精准预测,为水资源规划管理提供了理论依据.