改进的人工神经网络模型在水文序列预测中的应用研究.pdfVIP

维普资讯 南京大学学报 (自然科学) 第 44卷 第 l期 Vo1．44。No．1 JoURNALOFNANJING UNIVERSITY 2008年 1月 Jan．，2008 (NATURALSCIENCES) 改进的人工神经网络模型在水文序列预测 中的应用研究 刘星才 ，许有鹏 ，唐郑亮 (南京大学地理与海洋科学学院，南京，210093) 摘 要： 目前人工神经网络 (ANN)技术在水文序列模拟预测 中有较多应用．由于径流时间序列往往 呈现出复杂的变化过程，直接使用径流序列建立的ANN单变量预测模型大多精度较差而难以满足需 要．本文拟从两个方面进行改进，以提高 ANN径流量预测模型的精度．首先，根据径流序列的变化规 律，滤去序列中的季节性变化趋势，并采用局部多项式拟合求残差方法消除局部波动成分后得到新序列 作为ANN模型训练样本，结果表明由此训练得到的ANN模型比未作处理的样本训练得到的ANN模 型预测精度明显改善．另一方面，通过消除趋势波动分析 (DFA)方法检测径流序列的分形特征并估算其 标度区间；选取不同数量的训练样本进行训练得到多个 ANN模型，确定模型预测精度最高时的训练样 本数，并与标度区间比较，结果表明在标度区间内选取训练样本数可明显提高ANN模型预测精度．这 对ANN模型训练样本数的选取有指导意义． 关键词 ： 人工神经网络，径流预测，标度区间，消除趋势波动分析 中图分类号： TV 124 Improvedartificialneuralnetworkmodelforhydrologic timeseriesprediction LiuXing—Cai，XuYou—Peng，TangZheng—Liang (SchoolofGeographicandOceanographicSciences，NanjingUniversity，Nanjing，210093，China) Abstract： Thegenerationofrunoffwasaffectedbyseveralfactors．Runoffseriesalwayscontain informationof multiplefactors，whichmakethevariation ofrunoffcomplex．Peopleusuallymodeltheregularpattern ofthe hydrologictimeseriesbyapplyingaunivariateartificialneuralnetwork(ANN)modeltosimulatethevariational process．However，itisoftenunacceptablebecauseofthelow predictionprecision．W eanalyzethevariationofthe hydrologictimeseriesanddeseasonalizeanddetrenditbeforeinputtingitforANN trainingdata．Theresultsshow thattheANN thatusesprocessed training data excelled theANN thatusesoriginaldata ofrtraining data． Meanwhile，wedetectthefractalchara