基于ESMD-BP神经网络组合模型的中长期径流预报

• 作者: 李建昌 李继清 段志鹏 王爽
• 来源期刊: 应用基础与工程科学学报
• 学科: 地球科学
• 关键词: 非平稳序列 ESMD ESMD-BP神经网络 径流预报 唐乃亥站 不同时间尺度 加和重构
• 年，卷（期）: 2020,（4）
• 页码范围: 817-832
• 页数: 16页
• 分类号: P338+.2
• 语种: 中文
• DOI: 10.16058/j.issn.1005-0930.2020.04.006

摘要

径流预报的精度直接关系到流域水资源优化配置与综合利用的效益最大化.针对径流序列非线性、非平稳、直接预测精度低的特点,首次利用具有自适应性特点的极点对称模态分解(Extreme-point Symmetric Mode Decomposition,ESMD)方法对径流序列平稳化处理,结合可逼近任何非线性映射的误差反向传播网络(Back Propagation Neural Network,BP神经网络),建立ESMD-BP神经网络组合预报模型,并将其应用于黄河上游龙羊峡水库入库站唐乃亥站月径流和旬径流预报.首先,利用ESMD方法将径流序列中不同尺度的分量和趋势分量逐级提取出来,甄别了大尺度循环和非线性趋势;进而,分析径流周期和趋势变化规律;然后,利用BP神经网络将非平稳径流序列的直接预测转化为平稳的模态分量和趋势余项的预测,加和重构得到最终预测结果.并与单一BP神经网络、经验模态分解(Empirical Mode Decomposition,EMD)与BP神经网络组合模型作对比,结果表明:ESMD-BP神经网络组合模型的预报误差最小、预报精度最高.组合模型为“分解→预测→重构”模式,结合了EMD数据自适应分析和BP神经网络非线性映射的优点,提高了径流预报的准确率,为水文预报精度的提高开辟了新思路.