考虑前期影响雨量的NLPM-AMN模型

作者：庞博; 郭生练; 林凯荣; 刘攀

来源：四川大学学报(工程科学版), 2007, 39(01): 18-22.

DOI：10.3969/j.issn.1009-3087.2007.01.004

• 水文预报
• 线性扰动模型
• 人工神经网络
• 前期影响雨量
• NLPM-AMN模型

建立了一种考虑前期影响雨量和采用人工神经网络的非线性扰动模型。模型结构与NLPM-API模型相似,不同之处在于采用人工神经网络模拟输入扰动项与输出扰动项之间的相互关系。采用牧马河和鲇鱼山水库流域的日降雨径流资料对模型进行了率定和校核。结果表明,所建模型与线性扰动模型、NLPM-AMN模型和NLPM-API模型相比,两个流域在率定期的模型效率系数增长幅度分别为10.84%,1.54%,10.6%和21.59%,0.67%,10.11%;在检验期的模型效率系数增长幅度分别为5.56%,0.97%,4.41%和11.86%,1.76%,7.97%。所有的评价指标均优于其他模型。

• 单位
  武汉大学; 水资源与水电工程科学国家重点实验室