首页|基于ESMD-BP神经网络组合模型的中长期径流预报

基于ESMD-BP神经网络组合模型的中长期径流预报

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
径流预报的精度直接关系到流域水资源优化配置与综合利用的效益最大化.针对径流序列非线性、非平稳、直接预测精度低的特点,首次利用具有自适应性特点的极点对称模态分解(Extreme-point Symmetric Mode Decomposition,ESMD)方法对径流序列平稳化处理,结合可逼近任何非线性映射的误差反向传播网络(Back Propagation Neural Network,BP神经网络),建立ESMD-BP神经网络组合预报模型,并将其应用于黄河上游龙羊峡水库入库站唐乃亥站月径流和旬径流预报.首先,利用ESMD方法将径流序列中不同尺度的分量和趋势分量逐级提取出来,甄别了大尺度循环和非线性趋势;进而,分析径流周期和趋势变化规律;然后,利用BP神经网络将非平稳径流序列的直接预测转化为平稳的模态分量和趋势余项的预测,加和重构得到最终预测结果.并与单一BP神经网络、经验模态分解(Empirical Mode Decomposition,EMD)与BP神经网络组合模型作对比,结果表明:ESMD-BP神经网络组合模型的预报误差最小、预报精度最高.组合模型为“分解→预测→重构”模式,结合了EMD数据自适应分析和BP神经网络非线性映射的优点,提高了径流预报的准确率,为水文预报精度的提高开辟了新思路.
Medium and Long-term Runoff Forecast Based on ESMD-BP Neural Network Combined Model

李继清、王爽、段志鹏、李建昌

展开 >

华北电力大学水利与水电工程学院,北京102206

非平稳序列 ESMD ESMD-BP神经网络 径流预报 唐乃亥站 不同时间尺度 加和重构

国家重点研发计划项目国家重点研发计划项目国家自然科学基金

2016YFC04022082017YFC040590651641901

2020

10.16058/j.issn.1005-0930.2020.04.006

应用基础与工程科学学报
中国自然资源学会

应用基础与工程科学学报

CSTPCDCSCD北大核心EI
影响因子：0.895
ISSN：1005-0930
年,卷(期)：2020.28(4)
  • 30
  • 17