首页|基于神经网络与遗传算法的洪水分类预报研究

基于神经网络与遗传算法的洪水分类预报研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对水文模型参数的不确定性,对洪水进行分类预报,不同类型洪水采用不同预报参数,旨在提高洪水预报精度.基于BP神经网络模型,依据分类因子选取原则,选取6项具有代表性的影响因子作为模型输入,可将洪水划分成高、中、低3类.基于遗传算法,对3类洪水进行参数率定,获得3组不同的参数组,最终利用训练好的分类预报模型实现不同类型洪水的变参数预报.以大伙房水库25场历史典型洪水进行实例验证与分析,结果表明:分类预报结果的洪峰误差、峰现误差、确定性系数及典型洪水过程的拟合效果明显优于分类前.经训练后的基于BP神经网络与遗传算法的洪水分类预报模型可较好适用于大伙房水库,结果更贴合实测值,效果整体上优于分类前,方法可行、有效.
Study on classified flood forecasting based on neural network and genetic algorithms

刘恒

展开 >

辽宁省水利水电科学研究院有限责任公司,辽宁沈阳 110003

BP神经网络 遗传算法 分类预报 大伙房水库

水利部公益性行业科研专项经费项目辽宁省农业攻关计划项目

TG11422011216001

2020

10.13928/j.cnki.wrahe.2020.08.004

水利水电技术(中英文)
水利部发展研究中心

水利水电技术(中英文)

CSTPCD北大核心
影响因子：0.456
ISSN：1000-0860
年,卷(期)：2020.51(8)
  • 4
  • 8