科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了对受特殊复杂环境因子干扰的河口日水位中长期动态实现有效预测,将离散小波变换(DWT)和模糊神经(NF)算法结合,构建长江河口日水位中长期动态的联合预测模型DWT-NF。引入DWT方法对原始水位信号序列进行分解和减噪,筛选出最优DWT分解因子组合TD(D3+D4+D8)序列作为预测模型的输入。引入NF算法构建水位预测子模型,从滞后15天的TD序列中筛选出最优输入组合,确定河口日水位预测的最优DWT-NF模型结构,其中三条港水位预测的最优联合模型结构以滞后13天的TD序列为输入、以高斯函数和43分别作为NF子模型第一层的隶属度函数及其规则数,青龙港水位预测的最优联合模型结构以滞后14天的TD序列为输入、以钟型函数和24分别作为NF子模型第一层的隶属度函数及其规则数。综合比较表明,DWT-NF模型的预测效果显著优于其他联合模型及常规模型,尤其对河口未来中长期水位变化趋势的预测效果显著。
-
单位土壤与农业可持续发展国家重点实验室; 中国科学院南京分院东台滩涂研究院; 中国科学院南京土壤研究所
