摘要
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.
NETL
NSTL
维普
万方数据