基于EMD及BPNN的云南省昭通市径流量预测

发布时间：2021-02-15 21:05

　　为提高BP神经网络对径流量的预测精度,将经验模态分解（EMD）方法与BP神经网络相结合,采用云南省昭通市豆沙关水文站1959年1月至2015年12月的逐月径流量,共设置4种方案构建了径流量预测模型。其中,方案一采用前1个月的径流量预测下一个月的径流量;方案二采用前2个月的径流量预测下一个月的径流量;方案三采用前3个月的径流量预测下1个月的径流量;方案四首先利用EMD将原始径流序列分解为高频项、低频项、趋势项,然后采用前1个月的分解数据对这3类项下1个月的分解数据进行预测,最后叠加为预测的下1个月径流量。结果表明:方案四的R²为0.86,高于其他3个方案,说明将数据先通过EMD分解再分别预测径流量能够提高预测精度。研究成果可为未来构建径流量的预测模型和提高预测精度提供技术支撑。 

【文章来源】：人民长江. 2020,51(09)北大核心

【文章页数】：6 页

【部分图文】：

BP神经网络示意

计算流程示意

本文所用数据为云南省昭通市豆沙关水文站逐月径流量数据。豆沙关水文站位于云南省昭通市盐津县豆沙镇石门村,用于观测横江中下游的径流量,控制面积为9 410 km2[19]。水文站位置如图3所示。本文所用的豆沙关水文站逐月径流量数据从1959年1月至2015年12月。其中,采用1959年1月至2010年12月的数据进行训练,采用2011年1月至2015年12月的数据进行验证。采用BP神经网络进行预测时,需要先对数据进行标准化处理,将所有数据归一化到[0,1]区间内,预测后再将数据还原[20]。数据归一化处理如式(4)所示。

【参考文献】：
期刊论文
[1]改进的自适应模糊神经网络在降水量预测中的应用[J]. 李智超.  人民长江. 2018(S1)
[2]基于改进的神经网络与支持向量机的小流域日径流量预测研究[J]. 马乐宽,邱瑀,赵越,李雪,王玉秋.  水资源与水工程学报. 2016(05)
[3]基于PCA和BP神经网络的径流预测[J]. 聂敏,刘志辉,刘洋,姚俊强.  中国沙漠. 2016(04)
[4]基于小波-BP神经网络的贝叶斯概率组合预测模型及其应用[J]. 杜拉,纪昌明,李荣波,张验科.  中国农村水利水电. 2015(07)
[5]基于HHT的径流变化特征分析及验证[J]. 范琳琳,王红瑞,来文立,俞淞.  水力发电学报. 2015(05)
[6]基于T检验的水文时间序列HHT分析方法及应用[J]. 范琳琳,王红瑞,宋乃琦,俞淞,王欣莉.  系统工程理论与实践. 2015(05)
[7]基于EMD—ARMA年径流预测研究[J]. 任博,胡庆武,任全志.  水土保持应用技术. 2015(02)
[8]基于不同输入层的BP人工神经网络径流模拟研究[J]. 何昳颖,陈晓宏,张云,丁华龙.  人民长江. 2015(04)
[9]基于BP神经网络的概率径流预测模型[J]. 周娅,郭萍,古今今.  水力发电学报. 2014(02)
[10]泾河年径流量BP神经网络模型研究[J]. 王峥,马孝义,吕静渭,尹京川,胡杰华.  人民黄河. 2012(04)

硕士论文
[1]改进遗传神经网络在时间序列预测中的研究与应用[D]. 王昶.四川师范大学 2010



本文编号：3035538