摘要

为探讨广义回归神经网络(GRNN)、BP、小波神经网络(WAVE)在径流预测中的适用性,以西洞庭湖南咀站为例,通过EMD方法对1956—2008年南咀站月平均径流量序列进行分解,结合相关性分析分离出与安乡、南咀站月平均水位、流量等输入因子相关的IMF分量,引入BP、GRNN、WAVE算法建立径流估算模型,重构南咀站月平均流量序列。结果表明:①除IMF2分量能量最高、振幅最大,贡献率73.238%,南咀站月平均径流量其他分量随分量级数增大,振幅减小,能量减小,周期增大,贡献率减小;②南咀站月平均流量分量IMF1—3与安乡、石龟山站水位流量极显著正相关,趋势项与石龟山站月平均水位、安乡站月平均流量极显著负相关,与石龟山站月平均流量显著负相关,其他指标相关性均不显著;③同一模式,GRNN算法均优于BP算法(Factor模式下除相对误差外)、小波神经网络算法(IMF-7模式下除均方根误差外),同一算法,Factor模式均优于IMF-7模式,IMF-7模式优于IMF-4模式(除GRNN算法外)。