基于GA-Elman神经网络模型的年径流预测

• 作者: 李志新 赖志琴 龙云墨
• 来源期刊: 水利水电技术
• 学科: 农学
• 关键词: 遗传算法 神经网络 预测 模型
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 水文水资源
• 页码范围: 71-77
• 页数: 7页
• 分类号: S275.3|S153.3
• 字数: 4994字
• 语种: 中文
• DOI: 10.13928/j.cnki.wrahe.2018.08.009

摘要

针对传统神经网络模型静态性及训练算法易陷入局部极值的缺陷,为了实现神经网络训练全局寻优,提高模拟精度,并使网络结构能动态反映年径流系列的时变特性,本文以年降雨及气温作为输入因子、年径流量为模型预测对象,结合遗传算法和Elman神经网络各自的优点,采用遗传算法对网络权值阈值全局优化,通过二者的耦合构建了GA-Elman年径流预测模型.利用构皮滩站1961-2015年的径流系列对模型进行了训练及测试,并对各模型预测性能比较分析.结果 表明:GA-Elman模型预测平均相对误差5.29％、均方根误差55.81 mm,效果良好,对于径流预测具有实用价值;神经网络模型预测精度优于基于线性方法的模型,预测平均相对误差从12.01％降至7.07％以下;采用遗传算法改进神经网络权值阈值优化过程,预测平均相对误差从7.07％降低到5.29％,可明显提高模型泛化能力,从而改善径流预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志新	贵州理工学院土木工程学院	7	14	3.0	3.0
2	赖志琴	贵州理工学院土木工程学院	5	11	2.0	3.0
3	龙云墨	贵州理工学院土木工程学院	3	11	2.0	3.0