【摘要】：為提高徑流預報精度,構建了基于廣義回歸神經網絡模型的徑流預測模型并將其應用于浙江麗水小溪流域中,對白巖測站50年月平均徑流資料進行模擬研究,并與BP神經網絡模擬結果進行對比。結果表明,廣義回歸神經網絡預測精度較BP神經網絡模型高,更接近徑流監測實測值,平均相對誤差為11.06%,且預報結果比較穩定,為徑流時間序列模擬提供了一種更優的建模方法。
[Abstract]:In order to improve the accuracy of runoff forecasting, a runoff prediction model based on the generalized regression neural network model is constructed and applied to the Lishui River Basin of Zhejiang. The average runoff data of the dialogue rock station in the past 50 years is simulated and compared with the simulation results of the BP neural network. The results show that the prediction accuracy of the generalized regression neural network is higher than that of the BP neural network model, the average relative error is 11.06%, the average relative error is 11.06%, and the forecast result is relatively stable, which provides a better modeling method for the runoff time series simulation.
【作者單位】： 河海大學水利水電學院;雅礱江流域水電開發有限公司;
【分類號】：P338

【相似文獻】

相關期刊論文 前10條

1 馬建琴;許龍賓;師琨;;改進型灰色馬爾科夫模型在徑流預測中的應用[J];華北水利水電學院學報;2012年02期

2 周秀平;王文圣;黃偉軍;;支持向量機回歸模型在徑流預測中的應用[J];水電能源科學;2006年04期

3 袁曉輝;張勇傳;袁艷斌;;基于遺傳規劃的徑流預測新方法[J];水力發電;2006年08期

4 陳f^;隋彬;;徑流預測在雅礱江流域梯級電站中的應用[J];水力發電;2007年12期

5 汪蕓;郭生練;李響;;奇異譜分析在中長期徑流預測中的應用研究[J];人民長江;2011年09期

6 朱聰;王文圣;程開宇;楊娟;;一種新型耦合模型在月徑流預測中的應用[J];水力發電;2012年01期

7 王桂玉;;徑流預測模型使用研究[J];河南科技;2013年22期

8 劉素一,廖家平;徑流預測中的非線性分析方法[J];湖北工學院學報;2003年01期

9 魏勝;;回歸支持向量機模型及其在年徑流預測中的應用[J];水資源與水工程學報;2014年02期

10 沈冰,李榮峰,黃領梅,趙長森;年徑流預測的灰色自記憶模型[J];西北農林科技大學學報(自然科學版);2005年04期

相關碩士學位論文 前7條

1 汪龍;基于BP網絡的徑流預測研究[D];昆明理工大學;2015年

2 潘希強;面向藏木電站下閘蓄水日期選擇的雅江中游徑流預測研究[D];清華大學;2014年

3 戴露;雅魯藏布江中游段徑流預測研究[D];四川大學;2006年

4 楊東方;電力市場環境下水電站中長期徑流預測及優化調度研究[D];四川大學;2003年

5 任磊;基于人工神經網絡的金溝河流域徑流預測研究[D];新疆農業大學;2012年

6 張偉;基于人工神經網絡的徑流預測研究[D];石河子大學;2008年

7 秦蓓蕾;清江流域水文中長期預測研究[D];四川大學;2004年

，

本文編號：2491905