基于BP神经网络与SVM模型的黄尾河径流预测比较分析

发布时间：2021-02-28 12:23

　　比较分析BP神经网络与SVM模型在径流预测应用中的性能特征。以降雨量为预报因子,采用BP人工神经网络模型和SVM模型对大别山黄尾河流域40 a时长的同期径流过程进行数值模拟,并对二者的预测性能进行比较与评价。结果表明,黄尾河流域BP模型模拟的总体相对误差为14.43%,合格率为77.5%,确定性系数为0.76,预报精度等级为乙级;SVM模拟的总体相对误差为12.41%,合格率、确定性系数及预报精度等级与BP模型相同。SVM模型模拟结果较BP模型而言更集中于较小的误差范围内。BP模型的累积误差>SVM模型,并且随着误差自由度的增大,这种差距有扩大的趋势,表明SVM模型的误差范围较小,误差间隔小于BP模型,模拟性能较BP模型更稳定。 

【文章来源】：西北林学院学报. 2020,35(05)北大核心

【文章页数】：6 页

【文章目录】：
1 材料与方法
    1.1 研究区概况
    1.2 数据来源
    1.3 研究方法
        1.3.1 BP神经网络模型
            1.3.1.1 BP神经网络隐含层
            1.3.1.2 传递函数和训练算法的确定
        1.3.2 SVM模型
        1.3.3 预测模型误差分析
2 结果与分析
    2.1 BP神经网络预报模型实现
    2.2 SVM预测模型的实现
    2.3 基于BP网络的预测模型与SVM预测模型的对比
3 结论与讨论


【参考文献】：
期刊论文
[1]基于PCA-BP神经网络算法桃树叶片SPAD值高光谱估算[J]. 吴文强,常庆瑞,陈涛,余蛟洋.  西北林学院学报. 2019(05)
[2]基于数值天气预报产品的气象水文耦合径流预报[J]. 金君良,舒章康,陈敏,王国庆,孙周亮,贺瑞敏.  水科学进展. 2019(03)
[3]基于加权KNN-BP神经网络的PM2.5浓度预测模型研究[J]. 赵文怡,夏丽莎,高广阔,成力.  环境工程技术学报. 2019(01)
[4]伏牛山区栓皮栎天然次生林地位指数ANN模型构建[J]. 陈晨,刘光武,陈涛,温仲清.  西北林学院学报. 2019(01)
[5]棉秆在NaOH中水解过程的神经网络模拟与优化[J]. 呼肖娜,杨鹏,杨月霞,洪会霞,雷倩,周娜.  西北林学院学报. 2019(01)
[6]淮河流域洪水极值非平稳性特征[J]. 孙鹏,孙玉燕,张强,姚蕊,温庆志,王友贞,蒋尚明.  湖泊科学. 2018(04)
[7]基于支持向量机的中长期入库径流预报[J]. 赵红标,吴义斌.  红水河. 2009(05)
[8]人工神经网络在径流影响因子滞后性研究中的应用[J]. 冉笃奎,李敏,武晟,解建仓.  计算机工程与应用. 2009(30)
[9]基于BP人工神经网络的枯水径流预报方案研究[J]. 缪益平,邓俊.  水文. 2008(03)

硕士论文
[1]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
[2]基于人工神经网络的径流预测研究[D]. 张伟.石河子大学 2008
[3]径流中长期预测模型研究[D]. 朱聪.四川大学 2005



本文编号：3055847