摘要
为得出降雨中长期预报的标准模型,基于RBF神经网络模型和BP神经网络模型,通过遗传算法优化模型,引进全球绩效指标GPI指数综合比较各模型的计算精度,结果表明:在长期降雨预报中,4个模型的计算精度明显提高,精度由高到低依次为GA-RBF模型-GA-BP模型-RBF模型-BP模型; GA-RBF模型在降雨中长期预报中的GPI值分别达到了0. 47和0. 63,表明该模型可作为降雨中长期预报标准模型使用。
引文
[1]张磊.甘肃省降雨时空分布规律与水文响应[J].水利规划与设计,2018(08):48-51.
[2]王瑗,盛连喜,李科,等.中国水资源现状分析与可持续发展对策研究[J].水资源与水工程学报,2008(03):10-14.
[3]慕卿林.环县水资源现状分析及可持续发展对策[N].陇东报.2006-06-15.
[4]王长海.降雨预报信息在水库调度中应用的可行性研究[J].水利技术监督,2007(02):36-38.
[5]毛昭雄.中长期水文预报(函授本科用)[M].河海大学函授部,2001.
[6]魏琳,徐姝,张治倩.海河流域汛期降水量多尺度分析及预测研究[J].水利规划与设计,2017(10):60-63+86.
[7]Vahid Nourani,Omid Kalantari. Integrated artificial neural network for spatiotemporal modeling of rainfall–runoff–sediment processes[J]. Environ Eng Sci,2010:411-422.
[8]梁国华,习树峰,王本德.基于BP神经网络的旬降雨径流相关预报模型[J].水力发电,2009,35(08):10-12+39.
[9]刘乐,王洪国,王宝伟.基于PCA和改进BP网络的降雨预报模型研究[J].计算机工程与应用,2008(12):234-237.
[10]丁晶,邓育仁,安雪松.人工神经前馈网络模型用作过渡期径流预测的探索水电站设计[J].水电站设计,1997,13(02):169-174.
[11]SHARMA A. Seasonal to interannual rainfall probabilistic forecasts for improved water supply management:part 3—a nonparametric probabilistic forecast model[J]. Journal of Hydrology,2000,239(1):249-258.
[12]李松,罗勇,张铭锐.遗传算法优化BP神经网络的混沌时间序列预测[J].计算机工程与应用,2011,47(29):52-55.
[13]仲云飞,梅一韬,吴邦彬,等.遗传算法优化BP神经网络在大坝扬压力预测中的应用[J].水电能源科学,2012,30(06):98-101.
[14]Milan Despotovic,Vladimir Nedic,Danijela Despotovic,et al. Review and statistical analysis of different global solar radiation sunshine models[J]. Renewable and Sustainable Energy Reviews,2015,52:1869-1880.