自适应神经模糊推理系统（ANFIS）在月径流预测中的应用

发布时间：2021-01-11 13:06

　　径流预测是水资源分析的一项重要内容,但由于受到气候变化、地理位置、人类活动等因素的影响,径流的变化错综复杂,使径流预测变得相当困难。本文基于兰州站过去31年月径流的数据资料,通过MATLAB软件编程实现自适应神经模糊系统（ANFIS）在月径流预测中的应用,并通过两个预先建立的function函数（包含回归方程、决定系数、相关系数等）评价预测结果。从输出结果可以看出:（1）ANFIS在兰州站月径流预测中整体结果令人较为满意,检验数据共60组预测结果,其中有51组误差百分比低于10%,7组结果介于10%²0%之间,2组结果介于20%³0%之间;（2）12个月预测值与实际值的相关系数（介于0¹之间,值越大相关性越高）均超过0.8;（3）在回归方程输出结果中,一月、四月、六月结果与其余九个月的结果相比有所差距,其决定系数（用于判断回归方程结果优劣,介于0¹之间,值越大回归方程结果越优）处于0.4⁰.7之间,余下九个月份决定系数均大于0.75。使用ANFIS对兰州站月径流预测时,所得到的... 

【文章来源】：昆明理工大学云南省

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

具有两规则的一阶Sugeno模糊模型

具有五层结构、两个输入的ANFIS示意图

【参考文献】：
期刊论文
[1]基于T-S模糊模型的非线性系统广义预测控制[J]. 刘石红.  工业仪表与自动化装置. 2016(06)
[2]ANN、ANFIS和AR模型在日径流时间序列预测中的应用比较[J]. 谭乔凤,王旭,王浩,雷晓辉.  南水北调与水利科技. 2016(06)
[3]T-S模糊控制综述与展望[J]. 肖建,赵涛.  西南交通大学学报. 2016(03)
[4]小波-ANFIS模型在年最大洪峰预测中的应用[J]. 唐英敏,闫强.  人民黄河. 2015(10)
[5]小波分析方法在水文学研究中的应用现状及展望[J]. 桑燕芳,王中根,刘昌明.  地理科学进展. 2013(09)
[6]引入灰色弱化缓冲算子的人工神经网络组合预测方法在年径流预测中的应用[J]. 晏欣,邹进.  水电能源科学. 2013(07)
[7]多隐层BP神经网络模型在径流预测中的应用[J]. 崔东文.  水文. 2013(01)
[8]自适应神经模糊推理系统（ANFIS）及其仿真[J]. 张小娟.  电子设计工程. 2012(05)
[9]最小二乘法、最小一乘法与方差、线性回归方程[J]. 唐锐光.  数学通讯. 2011(14)
[10]基于人工神经网络的莺落峡月径流模拟预测[J]. 张勃,王海青,张华.  自然资源学报. 2009(12)

博士论文
[1]基于计算智能的时间序列模型及预测研究[D]. 王立柱.大连理工大学 2015
[2]PSA-ANFIS方法及其在矿山岩土工程灾害预测中的应用[D]. 张志军.中南大学 2008
[3]模糊智能系统中模糊推理研究[D]. 徐蔚鸿.南京理工大学 2004
[4]基于人工神经网络的水文过程模拟研究[D]. 王玲.河海大学 2002

硕士论文
[1]模糊神经网络预测算法改进及应用[D]. 高君.吉林大学 2017
[2]基于T-S模糊模型的混沌同步方法研究[D]. 施伟丰.南京邮电大学 2016
[3]T-S模糊控制系统的稳定性分析[D]. 何超君.西华大学 2016
[4]基于人工神经网络预测与分类的应用研究[D]. 牛志娟.中北大学 2016
[5]中长期径流的多种组合预测方法及其比较[D]. 孙惠子.西北农林科技大学 2012
[6]基于相关系数矩阵的网络异常行为分析方法研究[D]. 陈郁.华中科技大学 2009
[7]雅鲁藏布江中游段径流预测研究[D]. 戴露.四川大学 2006
[8]基于人工神经网络的水文模拟研究[D]. 鞠琴.河海大学 2005
[9]基于神经网络的模糊智能系统的研究与实现[D]. 马子鹏.西安科技大学 2005
[10]ANFIS的MATLAB实现与液压成型机模糊温控系统的研究[D]. 陈新兵.湖南大学 2005



本文编号：2970821