科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决无资料断面水位预报问题，提出BP神经网络与MIKE11模型耦合方法。通过小时尺度的洪水场次数据，选取水位、降雨和前期影响因子进行相关性分析；筛选出预见期12 h及24 h兰江流域水位关联度最高的预报因子，以多元线性回归(MLR)和反向传播神经网络(BPNN)模型构建兰溪站不同预见期下的水位预报模型；并利用Mike NAM-HD机理模型推演未设测站断面的水位数据，通过BP神经网络进一步构建兰江流域无资料断面的水位预报模型。结果表明：（1）BPNN模型对长预见期下的水位预报效果优于MLR模型；（2）随着预见期的延长，BPNN模型的纳什效率系数逐渐降低；（3）对比筛选预报因子前后BPNN模型的纳什效率系数，12 h及24 h预见期下分别提升9.0%、34.7%;(4)提出的耦合BP神经网络和MIKE11模型方法可应用于无资料断面的水位预报。
-
单位中国电建集团华东勘测设计研究院有限公司; 浙江大学
