基于NARX神经网络的年径流预测
摘要
针对传统BP模型在时间系列年径流预测中的适应性问题,本文构建了基于动态反馈性NARX神经网络的年径流预测模型,模型结构带有外部输入的非线性自回归网络,输入向量选取降雨及气温,输出向量为未来的年均流量。本文采用构皮滩站历史实测数据对模型进行训练及测试,对NARX模型与传统BP模型及逐步线性回归模型性能进行了对比分析。
引文
[1]HS Hippert,CEPedreira,RCSpuza.Neural Networks for Short-Term load Forecasting:A Review and Evaluation[J].IEEE Transactions on Power Systems,2001,16(1):44-55.
[2]Sandhya Samarasinghe.Neural Networks for Applied Sciences and Engineering[M].Auerbach Publication,2006.
[3]蒋晓辉,刘昌明.基于小波分析的径向基神经网络年径流预测[J].应用科学学报,2004,22(3):411-414.
[4]李鹏鹏,苏怀智,郭芝韵,等.基于人工蜂群算法与Elman神经网络的大坝变形监控模型[J].水利水电技术,2017,48(3):104-108.
[5]崔东文,金波.鸟群算法-投影寻踪回归模型在多元变量年径流预测中的应用[J].人民珠江,2016,37(11):26-30.
[6]纪昌明,李荣波,张验科,刘丹,张培,杜拉.基于小波分解的投影寻踪自回归组合模型及其在年径流预测中的应用[J].水力发电学报,2015,34(07):27-35.
[7]李倩玉.智能电网下负荷特性分析和负荷预测新技术[D].南京:东南大学,2014.
[8]刘平,孟详娟,向铁元等.基于灰色理论与BP神经网络组合模型的中长期负荷预测[J].中国农村水利水电,2009,(1):120-122.
[9]霍成军.电力系统负荷特性分析研究[D].天津:天津大学,2007.
[10]赵雪花,陈旭.经验模态分解与均生函数-最优子集耦合模型在年径流预测中的应用[J].资源科学,2015,37(06):1173-1180.
[11]陈晶,王文圣.Copula预测方法及其在年径流预测中的应用[J].水力发电学报,2015,34(04):16-21.
[12]李红霞,何清燕,彭辉,覃光华,丁晶.基于耦合相似指标的最近邻法在年径流预测中的应用[J].水科学进展,2015,26(02):161-168.
[13]崔东文,金波.基于改进的回归支持向量机模型及其在年径流预测中的应用[J].水力发电学报,2015,34(02):7-14.
[14]代兴兰.遗传算法与最小二乘支持向量机在年径流预测中的应用[J].水资源与水工程学报,2014,25(06):231-235.
[15]李建林,昝明军,李宝玲.基于R/S分析的黑河出山年径流量灰色预测[J].地域研究与开发,2014,33(05):127-131.
[16]王文圣,朱聪,丁晶,等.应用小波-人工神经网络组合模型研究电力负荷预报[J].水电能源科学,2004,22(2):68-70.
[17]XIONGL H,GUO S L.Trend test and change-point detection for the annual discharge series of the Yangtze River at the Yichang hydrological station[J].Hydrological Sciences Journal,2004,49(1),99-112.
[18]Yue S,Pilon P,Cavadias G.Power of the Mann-Kendall and Spaman’s test for detecting monotonic trends in hydrological series[J].Journal of Hydrology,2002,(259):254-271.
[19]Tokinaga S,Moriyasu H,Miyazaki A,et al.Forecasting of time series with fractal geometry by using scale transformationg sand parameter estimations obtained by the wavelet transform[J].Electronic sand communications in Japan,Part3,2002,80(9):2054-2062.
[20]Kizhener S.,Blank K.,Flatlely T.,ea al.On certain theoreticaldevelopments underlying the Hilbert-Huang transform[J].Aerospace Conference[C],2006:1-14.
[21]Nash J E,Sutcliffe J V.River flow forecasting through conceptual models part I-A discussion of principles[J].Journal of Hydrology,1970,10(3):282-290.
[22]Moriasi D N,Arnold J G,Van Liew M W,et al.Model evaluation guidelines for systematic quantification of accuracy in watershed simulations[J].Transactions of the ASABE,2007,50(3):885-900.
[23]陈守煜,薛志春,李敏,刘冬梅.基于可变集的年径流预测方法[J].水利学报,2014,45(08):912-920.
[24]陈旭,赵雪花.基于EMD分解的AR模型在年径流预测中的应用[J].水电能源科学,2014,32(07):14-18.
[25]李琳琳,岳春芳,张胜江.基于小波方差分析的BP神经网络年径流预测[J].节水灌溉,2014,(06):44-46.
[26]崔东文.基于多元变量组合的回归支持向量机集成模型及其应用[J].水利水运工程学报,2014,(02):66-73.
[2]Sandhya Samarasinghe.Neural Networks for Applied Sciences and Engineering[M].Auerbach Publication,2006.
[3]蒋晓辉,刘昌明.基于小波分析的径向基神经网络年径流预测[J].应用科学学报,2004,22(3):411-414.
[4]李鹏鹏,苏怀智,郭芝韵,等.基于人工蜂群算法与Elman神经网络的大坝变形监控模型[J].水利水电技术,2017,48(3):104-108.
[5]崔东文,金波.鸟群算法-投影寻踪回归模型在多元变量年径流预测中的应用[J].人民珠江,2016,37(11):26-30.
[6]纪昌明,李荣波,张验科,刘丹,张培,杜拉.基于小波分解的投影寻踪自回归组合模型及其在年径流预测中的应用[J].水力发电学报,2015,34(07):27-35.
[7]李倩玉.智能电网下负荷特性分析和负荷预测新技术[D].南京:东南大学,2014.
[8]刘平,孟详娟,向铁元等.基于灰色理论与BP神经网络组合模型的中长期负荷预测[J].中国农村水利水电,2009,(1):120-122.
[9]霍成军.电力系统负荷特性分析研究[D].天津:天津大学,2007.
[10]赵雪花,陈旭.经验模态分解与均生函数-最优子集耦合模型在年径流预测中的应用[J].资源科学,2015,37(06):1173-1180.
[11]陈晶,王文圣.Copula预测方法及其在年径流预测中的应用[J].水力发电学报,2015,34(04):16-21.
[12]李红霞,何清燕,彭辉,覃光华,丁晶.基于耦合相似指标的最近邻法在年径流预测中的应用[J].水科学进展,2015,26(02):161-168.
[13]崔东文,金波.基于改进的回归支持向量机模型及其在年径流预测中的应用[J].水力发电学报,2015,34(02):7-14.
[14]代兴兰.遗传算法与最小二乘支持向量机在年径流预测中的应用[J].水资源与水工程学报,2014,25(06):231-235.
[15]李建林,昝明军,李宝玲.基于R/S分析的黑河出山年径流量灰色预测[J].地域研究与开发,2014,33(05):127-131.
[16]王文圣,朱聪,丁晶,等.应用小波-人工神经网络组合模型研究电力负荷预报[J].水电能源科学,2004,22(2):68-70.
[17]XIONGL H,GUO S L.Trend test and change-point detection for the annual discharge series of the Yangtze River at the Yichang hydrological station[J].Hydrological Sciences Journal,2004,49(1),99-112.
[18]Yue S,Pilon P,Cavadias G.Power of the Mann-Kendall and Spaman’s test for detecting monotonic trends in hydrological series[J].Journal of Hydrology,2002,(259):254-271.
[19]Tokinaga S,Moriyasu H,Miyazaki A,et al.Forecasting of time series with fractal geometry by using scale transformationg sand parameter estimations obtained by the wavelet transform[J].Electronic sand communications in Japan,Part3,2002,80(9):2054-2062.
[20]Kizhener S.,Blank K.,Flatlely T.,ea al.On certain theoreticaldevelopments underlying the Hilbert-Huang transform[J].Aerospace Conference[C],2006:1-14.
[21]Nash J E,Sutcliffe J V.River flow forecasting through conceptual models part I-A discussion of principles[J].Journal of Hydrology,1970,10(3):282-290.
[22]Moriasi D N,Arnold J G,Van Liew M W,et al.Model evaluation guidelines for systematic quantification of accuracy in watershed simulations[J].Transactions of the ASABE,2007,50(3):885-900.
[23]陈守煜,薛志春,李敏,刘冬梅.基于可变集的年径流预测方法[J].水利学报,2014,45(08):912-920.
[24]陈旭,赵雪花.基于EMD分解的AR模型在年径流预测中的应用[J].水电能源科学,2014,32(07):14-18.
[25]李琳琳,岳春芳,张胜江.基于小波方差分析的BP神经网络年径流预测[J].节水灌溉,2014,(06):44-46.
[26]崔东文.基于多元变量组合的回归支持向量机集成模型及其应用[J].水利水运工程学报,2014,(02):66-73.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |