科研之友
微信
新浪微博
Facebook
分享链接
摘要
高精度预报可以提高水资源利用效率。针对径流序列非线性、非平稳特点，利用ESMD方法的平稳化处理技术，结合可逼近任何非线性映射、动态建模的Elman神经网络模型，建立ESMD-Elman神经网络组合模型，应用于长江上游干支流8站的年、月预报。首先，利用ESMD方法将径流序列分解为各模态分量和趋势余项；然后，利用Elman神经网络模型分别预测各平稳序列；最后，加和重构得到最终预测结果，并采用其它模型作对比。结果表明：组合模型预报精度大于单一模型，与ESMD-BP神经网络组合模型比，ESMD-Elman神经网络组合模型的8站年预报结果的MAPE平均降低3.6%，RMSE平均降低7.8%，DC平均提高5.0%，8站月预报结果的MAPE平均降低3.0%，RMSE平均降低2.8%，具有“分解预测重构”特点的组合模型提高了预报精度。
- 单位
