基于小波分析的两种神经网络耦合模型在月径流预测中的应用

• 作者: 周建中 孙娜 彭甜 朱双 李薇
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 神经网络模型 水文预报 小波分析 月径流预报
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 水文水资源与环境
• 页码范围: 14-17,32
• 页数: 5页
• 分类号: TV124
• 语种: 中文

摘要

为提高河川径流的中长期预报精度并延长其预见期,采用小波分析充分提取有用信息,基于BP神经网络和GRNN神经网络,构建了两种小波神经网络耦合模型,测试了Daubechies族中9种母波函数对模型模拟效果的影响,并采用合格率(QQR)、平均相对误差(MMPRE)、均方根误差(RRMSE)和确定性系数(NNSE)等指标评价了模型精度.将该模型应用于金沙江流域向家坝水文站未来1～5个月的径流预报,结果显示,相比于传统BP和GRNN模型,耦合模型具有明显优势,且基于小波分析的BP模型预报结果更接近实测值,预报精度更高,其未来4个月的平均相对误差在±20％以内.表明小波分析方法能充分挖掘隐藏在原始数据中的有用信息,可有效提高耦合模型的预报精度延长预见期,在径流预测方面有明显的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周建中	华中科技大学水电与数字化工程学院	395	5250	35.0	50.0
2	李薇	华中科技大学水电与数字化工程学院	14	77	5.0	8.0
3	孙娜	华中科技大学水电与数字化工程学院	7	21	3.0	4.0
4	朱双	华中科技大学水电与数字化工程学院	3	27	2.0	3.0
5	彭甜	华中科技大学水电与数字化工程学院	3	7	1.0	2.0