首页|基于多种径流预测耦合模型的流域月径流预测优选研究

基于多种径流预测耦合模型的流域月径流预测优选研究

扫码查看
原文链接
  • 万方数据
  • 维普
为了提高径流预测的准确性,以澄碧河流域坝首站1979-2019年共41a的实测月径流序列为例,在优选Elman神经网络模型、支持向量机模型、BP单一预测模型的基础上,分别耦合经验模态分解(EMD)、集合经验模态分解(EEMD)和经验小波变换分解(EWT),选取纳什效率系数(NSE)、平均相对误差绝对值(MAPE)和均方根误差(RMSE)对测试集的预测结果进行评价与分析.结果表明:相对于Elman神经网络模型和SVM模型,BP模型的预测效果较好;耦合预测模型预测精度都优于单一模型.耦合模型中,EWT-BP的纳什效率系数为0.91,预报等级为甲级,预测精度优于EMD-BP和EEMD-BP.采用数据预处理技术生成平稳序列,可有效减少原序列存在非线性和不稳定性特征的影响,并有利于提高流域水文模型的径流预测能力.
Monthly runoff prediction preferences in watersheds based on multiple runoff forecasting coupled model

莫崇勋、邓云、阮俞理、雷兴碧、麻荣永、孙桂凯

展开 >

广西大学土木建筑工程学院,广西南宁530004

工程防灾与结构安全教育部重点实验室,广西南宁530004

广西防灾减灾与工程安全重点实验室,广西南宁530004

BP神经网络模型 Elman神经网络 支持向量机 经验小波变换分解 径流预测 澄碧河流域

519690042017GXNSFAA198361YCBZ2019022

2022

10.13624/j.cnki.issn.1001-7445.2022.0914

广西大学学报(自然科学版)
广西大学

广西大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.767
ISSN：1001-7445
年,卷(期)：2022.47(4)
  • 1
  • 12