首页|基于EEMD-BRNN组合算法唐山逐月径流量预报研究

基于EEMD-BRNN组合算法唐山逐月径流量预报研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
以唐山市1961-2018 年逐月地表径流量资料为基础,运用集合经验模式分解(EE-MD),将其分解成8 个独立模态(IMF);利用贝叶斯正则化神经网络(BRNN)算法,拟合训练期内(1961-2000 年)IMF与径流量之间的规律,用以预测预见期(2001-2018 年)内的月径流量变化.结果显示,经EEMD分解得到的IMF序列与径流量之间呈显著相关性;BPNN模型在适当参数下准确模拟了径流量变化特征,其验证集的NSE(Nash-Sutcliffe系数)达20.27%、RMSE(均方根误差)仅为93.23%.EEMD-BRNN组合算法通过对原径流序列进行自适应分解,进而重构非线性平稳序列,显示出在径流预报中的应用前景.

李海楠

展开 >

河北省唐山水文勘测研究中心,河北 唐山 063000

EEMD模态分解算法 IMF模态特征 BRNN拟合模型 径流量预测

2024

10.3969/j.issn.1006-7175.2024.01.024

水利科技与经济
哈尔滨市水务科学研究院 哈尔滨市水利规划设计研究院 哈尔滨市水利学会

水利科技与经济

影响因子：0.274
ISSN：1006-7175
年,卷(期)：2024.30(1)
  • 8