流域洪水形成过程异常复杂且动态变化,一般难以用传统的静态神经网络进行描述。然而,具有反馈连接的动态神经网络能够很好地反映洪水过程这种动态变化特征。为此,研究基于Elman动态网络构建流域洪水预报模型,采用具有在线学习功能的实时递归学习算法进行模型训练,并将所建模型和算法运用于淮河水系响洪甸水库的入库洪水实时预报中。结果表明,所建模型预报精度高,实时性强,能够为流域的防洪决策提供支持。
科研之友
微信
新浪微博
Facebook
分享链接
