首页|基于PG-BP神经网络的流域洪涝预测及仿真

基于PG-BP神经网络的流域洪涝预测及仿真

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
河流水位数据是洪涝灾害仿真模拟的重要依据,而精准的水位预测可以给洪水的淹没范围提供可靠的参考信息.单一BP神经网络的水位预测模型通常用于洪水水文模拟,但其准确度不高.为了精确分析洪水淹没范围并实现洪水淹没的仿真模拟,首先引入主成分分析方法(PCA)提取出影响水位变化的主成分,然后将主成分作为GA-BP神经网络的输入变量,河流水位数据为输出变量,建立PG-BP神经网络洪水水位预测模型.以大沽河流域为研究区域,使用该模型对汛期水位进行预测,根据模型预测的水位数据,可实现大沽河流域洪水淹没的仿真模拟.该模型水位预测的预报准确率均值达99.8％,预报效果较好,拟合精度较高,且可视化仿真也能够真实生动地显示出受灾地区,可以为防洪决策提供有力支撑.
Basin Flood Prediction and Simulation Based on PG-BP Neural Network

韩卓慧、闫长青

展开 >

山东科技大学计算机科学与工程学院,山东青岛266590

山东科技大学智能装备学院,山东泰安271019

BP神经网络 水位预测 洪水淹没 仿真模拟 水文分析

中国科学院先导专项(A类)子项目山东省高等学校科技计划项目全国统计科学研究项目

XDA20030203KJ2018BAN0722016LZ12

2021

10.11907/rjdk.202256

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(5)
  • 2
  • 13