東江水庫入庫徑流預報.pdf

1、中長期水文預報的精度往往不高，對其研究也存在許多困難。水文變化存在不確定性，這種不確定性對于中長期水文預報的預測精度影響很大。水文系統(tǒng)是一個高度非線性系統(tǒng)、難以建立準確表示徑流現(xiàn)象的數(shù)學模型，徑流預測研究中也存在不確定性。由于水文系統(tǒng)十分復雜，迄今為止還沒有一種通用的數(shù)學模型可以解決水文序列的中長期預報問題。
　　本研究主要內容包括：⑴為了有效提高BP神經(jīng)網(wǎng)絡模型的穩(wěn)定性和運算精度，選用遺傳算法對BP神經(jīng)網(wǎng)絡的參數(shù)值進行優(yōu)化，將優(yōu)

2、化后的參數(shù)值作為BP神經(jīng)網(wǎng)絡的權值和閾值，對東江水庫的入庫徑流進行預報。由于樣本容量較少，BP神經(jīng)網(wǎng)絡對于部分月份難以有效提高徑流預測的精度和擬合度。⑵支持向量機能夠較好地適應容量小的訓練樣本，將預測問題轉化為二次規(guī)劃問題，能夠避免神經(jīng)網(wǎng)絡的局部最優(yōu)和反復試湊的缺陷，將其用于東江水庫入庫徑流預測中，能夠較好地得到預測值。⑶投影尋蹤方法能夠很好處理高維問題，將人工魚群算法與投影尋蹤算法相結合建立了混合智能徑流預測模型，能夠根據(jù)序列的要求變

3、換擬合函數(shù)的階數(shù)，較好地處理了徑流預測問題。BP人工神經(jīng)網(wǎng)絡、SVM模型和投影尋蹤人工魚群算法分別用于東江水庫的徑流預報中，其中BP人工神經(jīng)網(wǎng)絡對徑流的預測結果不太理想主要原因是 BP人工神經(jīng)網(wǎng)絡模型的結構難以確定，網(wǎng)絡穩(wěn)定性較差且水庫入庫徑流時間序列較短，資料有限，很多預報因子的資料比較缺乏。SVM模型對徑流的預測效果較好誤差均在20％以內，這與SVM模型能較好地預測小樣本、非線性的時間序列等有關。投影尋蹤模型采用自動選擇預報因子、高