叶尔羌河年径流预测模型研究与应用
|
摘要
为提高叶尔羌河中长期径流预测精度,基于小波分析的基础上建立遗传算法优化BP神经网络的耦合模型,对60年叶尔羌河年径流时间序列进行研究。结果表明:耦合模型综合了两者的优势,在保留神经网络优良非线性拟合能力的同时,又融入遗传算法的容错性和全局搜索能力,提高预测径流时的学习速度和泛化能力。在对年径流进行预测时,其预测平均误差为-2.69%,而采用传统单纯的BP神经网络模型预测的平均误差为-10.25%。从预测误差检验以及模型的对比结果可知此模型合理、可行,因此该算法有助于解决叶尔羌河中长期径流预测问题。
In order to improve the prediction accuracy of middle and long term runoff in the Yarkant River,based on wavelet analysis,the coupling model of genetic algorithm to optimize BP neural network was established,and the annual runoff time series of 60-year Yarkant River was studied.The results showed that the coupling model integrated the advantages of the two methods,while retaining the good nonlinear fitting ability of neural network,it integrated the fault-tolerance and global searching ability of genetic algorithm,and improved the learning speed and generalization ability of predicting runoff.When the annual runoff was predicted,the average prediction error was-2.69%,while the traditional single BP neural network model was-10.25%.It can be seen from the prediction error test and the comparison results of the model that this model was reasonable and feasible.Therefore,this algorithm was helpful to solve the middle and long term runoff prediction problem of the Yarkant River.
In order to improve the prediction accuracy of middle and long term runoff in the Yarkant River,based on wavelet analysis,the coupling model of genetic algorithm to optimize BP neural network was established,and the annual runoff time series of 60-year Yarkant River was studied.The results showed that the coupling model integrated the advantages of the two methods,while retaining the good nonlinear fitting ability of neural network,it integrated the fault-tolerance and global searching ability of genetic algorithm,and improved the learning speed and generalization ability of predicting runoff.When the annual runoff was predicted,the average prediction error was-2.69%,while the traditional single BP neural network model was-10.25%.It can be seen from the prediction error test and the comparison results of the model that this model was reasonable and feasible.Therefore,this algorithm was helpful to solve the middle and long term runoff prediction problem of the Yarkant River.
引文
[1] 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.
[2] 彭欣怡,于国荣,张代青.不同组合小波神经网络模型对径流预测的适用性[J].人民长江,2015,46(24):24-28.
[3] 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(6):44-46.
[4] 晏欣.灰色-人工神经网络组合预测方法在径流中长期预测中的应用研究[D].昆明:昆明理工大学,2013.
[5] 黄巧玲,粟晓玲.基于小波支持向量机耦合的月径流预测方法[J].水力发电学报,2015,34(3):1-7,20.
[6] 袁晓辉,张勇传,袁艳斌.基于遗传规划的径流预测新方法[J].水力发电,2006,32(8):11-13.
[7] 郭淳,李祚泳,党嫒.基于免疫进化算法的BP网络模型在径流预测中的应用[J].水资源保护,2009,25(5):1-4.
[8] 陈汇林,朱凯.年径流的特征及预测研究进展[J].农业与技术,2014,34(1):162-163,167.
[9] 李祚泳.水文水资源及水环境分析的若干进展[J].四川大学学报(工程科学版),2002,34(2):1-4.
[10] 杜清,徐海量,张广朋,等.叶尔羌河流域1990—2010年生态环境变化特征[J].干旱地区农业研究,2016,34(1):252-256,263.
[11] 王修内,黄强,畅建霞.新疆叶尔羌河流域径流规律分析[J].人民黄河,2012,34(6):45-47,50.
[12] 孙本国,毛炜峄,冯燕茹,等.叶尔羌河流域气温、降水及径流变化特征分析[J].干旱区研究,2006,23(2):203-209.
[13] 任加国,郑西来,许模,等.新疆叶尔羌河流域土壤盐渍化特征研究[J].土壤,2005,37(6):635-639.
[14] 古丽孜巴·艾尼,满苏尔·沙比提.叶尔羌河径流量时序变化特征及成因分析[J].科技创新与应用,2014(13):298-299.
[15] 何兵,高凡,闫正龙,等.叶尔羌河径流演变规律与变异特征[J].水资源与水工程学报,2018,29(1):38-43,49.
[16] 满苏尔·沙比提, 胡江玲.塔里木河流域水量变化对生态环境影响分析[J].干旱区资源与环境,2007,21(10):83-87.
[17] 朱芳芳.浅议叶尔羌河水文特征[J].中国水运,2015,15(3):182-183.
[18] 崔东文.多隐层BP神经网络模型在径流预测中的应用[J].水文,2013,33(1):68-73.
[19] 刘素一,权先璋,张勇传.小波变换结合BP神经网络进行径流预测[J].人民长江,2003,34(7):38-39.
[20] 李淼,夏军,陈社明,等.北京地区近300年降水变化的小波分析[J].自然资源学报, 2011,26(6):1001-1011.
[21] 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(6):98-101.
[22] 肖迁,李文华,李志刚,等.基于改进的小波-BP神经网络的风速和风电功率预测[J].电力系统保护与控制,2014(15):80-86.
[23] 何岭松.小波函数性质极其对小波分析结果的影响[J].振动工程学报,2000,13(1):143-145.
[2] 彭欣怡,于国荣,张代青.不同组合小波神经网络模型对径流预测的适用性[J].人民长江,2015,46(24):24-28.
[3] 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(6):44-46.
[4] 晏欣.灰色-人工神经网络组合预测方法在径流中长期预测中的应用研究[D].昆明:昆明理工大学,2013.
[5] 黄巧玲,粟晓玲.基于小波支持向量机耦合的月径流预测方法[J].水力发电学报,2015,34(3):1-7,20.
[6] 袁晓辉,张勇传,袁艳斌.基于遗传规划的径流预测新方法[J].水力发电,2006,32(8):11-13.
[7] 郭淳,李祚泳,党嫒.基于免疫进化算法的BP网络模型在径流预测中的应用[J].水资源保护,2009,25(5):1-4.
[8] 陈汇林,朱凯.年径流的特征及预测研究进展[J].农业与技术,2014,34(1):162-163,167.
[9] 李祚泳.水文水资源及水环境分析的若干进展[J].四川大学学报(工程科学版),2002,34(2):1-4.
[10] 杜清,徐海量,张广朋,等.叶尔羌河流域1990—2010年生态环境变化特征[J].干旱地区农业研究,2016,34(1):252-256,263.
[11] 王修内,黄强,畅建霞.新疆叶尔羌河流域径流规律分析[J].人民黄河,2012,34(6):45-47,50.
[12] 孙本国,毛炜峄,冯燕茹,等.叶尔羌河流域气温、降水及径流变化特征分析[J].干旱区研究,2006,23(2):203-209.
[13] 任加国,郑西来,许模,等.新疆叶尔羌河流域土壤盐渍化特征研究[J].土壤,2005,37(6):635-639.
[14] 古丽孜巴·艾尼,满苏尔·沙比提.叶尔羌河径流量时序变化特征及成因分析[J].科技创新与应用,2014(13):298-299.
[15] 何兵,高凡,闫正龙,等.叶尔羌河径流演变规律与变异特征[J].水资源与水工程学报,2018,29(1):38-43,49.
[16] 满苏尔·沙比提, 胡江玲.塔里木河流域水量变化对生态环境影响分析[J].干旱区资源与环境,2007,21(10):83-87.
[17] 朱芳芳.浅议叶尔羌河水文特征[J].中国水运,2015,15(3):182-183.
[18] 崔东文.多隐层BP神经网络模型在径流预测中的应用[J].水文,2013,33(1):68-73.
[19] 刘素一,权先璋,张勇传.小波变换结合BP神经网络进行径流预测[J].人民长江,2003,34(7):38-39.
[20] 李淼,夏军,陈社明,等.北京地区近300年降水变化的小波分析[J].自然资源学报, 2011,26(6):1001-1011.
[21] 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(6):98-101.
[22] 肖迁,李文华,李志刚,等.基于改进的小波-BP神经网络的风速和风电功率预测[J].电力系统保护与控制,2014(15):80-86.
[23] 何岭松.小波函数性质极其对小波分析结果的影响[J].振动工程学报,2000,13(1):143-145.