基于PCA-MDBN模型的开都河年径流预测

论文摘要

河川径流预测对于干旱区水库调度、防汛抗旱及水资源优化配置具有重要意义。由于河川径流变化影响因子众多,且各因子之间相互关联并呈现非线性变化,采用数学方法及传统神经网络很难精准预测,且在进行数据训练时存在局部收敛和计算效率差的问题。针对上述问题,本文首先通过主成分分析筛选影响径流变化的主要因子作为模型输入,利用小波阈值方法实现噪声消除。然后,提出基于粒子群优化算法并结合多变量深度信念网络（BP-MDBN）,对河川径流进行预测,并与传统BP神经网络、DBN模型进行比较分析。结果表明:本文方法平均百分比误差为6.2,与BP、DBN方法进行对比,其MAPE分别降低0.077、0.10;BP-MDBN模型的RMSE和MAE值也明显小于其他两种方法。此方法具有较高的预测精度及泛化性能,研究成果可为河川径流精准预测提供理论支撑。

论文目录

• 1 模型计算方法
•   1.1 深度信念网络
•     1.1.1 深度信念网络结构
•     1.1.2 深度信念网络训练与生成
•   1.2 粒子群算法
• 2 河川径流预测模型构建
•   2.1 关键影响因子筛选
•   2.2 数据降噪处理
•   2.3 MDBN模型构建
• 3 研究区概况
• 4 结果与分析
•   4.1 数据预处理
•   4.2 结果分析
• 5 结 论

文章来源

类型: 期刊论文

作者: 魏光辉

关键词: 模型,开都河,径流预报

来源: 水资源开发与管理 2019年12期

年度: 2019

分类: 农业科技,基础科学,工程科技Ⅱ辑

专业: 地球物理学,水利水电工程

单位: 新疆塔里木河流域管理局

基金: 水利部公益性行业科研专项(201501059),国家自然科学基金(51779074,41371052)资助

分类号: P338

DOI: 10.16616/j.cnki.10-1326/TV.2019.12.02

页码: 3-7

总页数: 5

文件大小: 538K

下载量: 76