基于AR-RNN的多变量水位预测模型研究

发布时间：2022-12-22 20:32

　　影响河流水位的因素众多,鉴于传统的单变量水文预测模型无法充分考虑众多因素,提出了一种基于AR-RNN的多变量水位预测模型。模型包含循环神经网络（RNN）与自回归模型（AR）两个部分。RNN部分为模型引入了大量的非线性层,帮助模型拟合水文序列中的非线性成分。但是大量的非线性层降低了模型对于线性成分的敏感性,AR部分可以提高模型对于线性成分的敏感性,使得模型在水位峰值处的预测更加准确。将AR-RNN模型应用于四川省清溪河流域的水位预测中,结果表明:相对于ARIMA模型、SVR模型和BP神经网络,AR-RNN模型的预测精度更高。 

【文章页数】：6 页

【文章目录】：
1 基于AR-RNN的多变量水位预测模型
    1.1 模型基本原理
    1.2 模型的输入与输出
    1.3 模型的训练
2 数据分析及处理
    2.1 原始数据
    2.2 数据处理
3 结果验证
    3.1 评价指标
    3.2 AR-RNN与BP神经网络、SVR,ARIMA模型的对比
    3.3 AR-RNN与RNN模型的对比
4 结 论


【参考文献】：
期刊论文
[1]基于CNN和MC的水文时间序列预测组合模型[J]. 许国艳,朱进,司存友,胡文斌,刘凡.  计算机与现代化. 2019(11)
[2]基于长短期记忆神经网络的风力发电功率预测方法[J]. 李相俊,许格健.  发电技术. 2019(05)
[3]辽宁地区中长期降水预测模型应用对比研究[J]. 郭向东.  水利技术监督. 2019(05)
[4]基于最小二乘支持向量回归的水质预测[J]. 刘红梅,徐英岚,张博,李荣.  计算机与现代化. 2019(09)
[5]基于ARIMA模型的冯家山水库水位预测研究[J]. 王淑华.  陕西水利. 2019(08)
[6]水文时间序列预测模型研究进展[J]. 程扬,王伟,王晓青.  人民珠江. 2019(07)
[7]时间序列模型在辽西降水量动态预测的应用[J]. 于保慧.  东北水利水电. 2019(03)
[8]基于时间序列模型的降雨量预测分析[J]. 程敏,张耀文,姜纪沂,任杰,赵振宏.  水科学与工程技术. 2019(01)
[9]遗传算法优化BP神经网络水文预报过程模型研究[J]. 褚继花.  水利规划与设计. 2018(01)
[10]基于ARMA模型的水文数据预测[J]. 陈佳袁,闫杰.  浙江水利科技. 2017(06)

硕士论文
[1]水文时间序列的特性分析及预测研究[D]. 杜懿.广西大学 2018



本文编号：3723992