多重组合神经网络模型在年径流预测中的应用.pdfVIP

第34卷第2期 水 利 水 电科 技 进 展 2014年3月 Vol.34 No.2 Advances in Science and Technology of Water Resources Mar. 2014 DOI:10.3880/ j.issn.1006 7647.2014.02.013 多重组合神经网络模型在年径流预测中的应用 崔东文 (云南省文山州水务局,云南 文山摇 663000) 摘要:针对线性组合预测模型预测精度不高、单一预测模型权重较难确定和非线性组合预测模型组 合函数难以构造等问题,为最大限度地挖掘输入向量间的有用信息以及充分发挥神经网络模型的 高度非线性映射能力,提出一种基于BP、Elman、RBF、GRNN这4 种神经网络算法原理的多重组合 年径流预测模型。 以4种单一预测模型的预测结果作为一次组合预测模型的输入向量,实测流量 作为输出向量,构建4 输入1输出的一次组合预测模型;再以一次组合预测模型预测结果作为二次 组合预测模型的输入向量,实测流量作为输出向量,构建4 输入 1输出的二次组合预测模型;依次 类推,构建12种多重组合预测模型。 以新疆伊犁河雅马渡站年径流预测为例,将预测结果与4 种 单一预测模型及IEA鄄BP模型的预测结果进行比较,结果表明:多重组合预测模型的预测精度和泛 化能力较单一预测模型均有较大提高,随着模型组合重数的增加,预测精度呈提高趋势,是提高预 测精度的有效方法。 关键词:径流预测;组合模型;BP神经网络;Elman神经网络;RBF神经网络;GRNN神经网络 中图分类号:TV121摇 摇 摇 文献标志码:A摇 摇 摇 文章编号:1006 7647(2014)02 0059 05 Application of multiplecombinedneuralnetworkmodelinannualrunoffprediction/ / CUIDongwen (Wenshan Water Conservancy Bureau of YunnanProvince,Wenshan663000,China) Abstract:In light of the problems that the prediction accuracy of a linear combination model is not high,the weight of a single prediction model is hard to determine, and the function of a nonlinear combined prediction model is hard to construct,a multiple combined annual runoff prediction model was put forward based on the principle of neural networks such as BP,Elman,RBF,GRNN,soastomaximizetheusefulinformationbetweentheinputvectors,andgivefullplayto the characteristics of neural network models, such as their nonlinear mapping ability. Using the results of four single prediction models as the input vectors of one combined prediction model,and the observedflow data as the output vector, one combined predictionmodelwithfourinputsandoneoutputwasconstructed. Then,usingtheresultoft