科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于漓江桂林断面历史长序列旬尺度径流资料,分别采取BP神经网络模型、多元线性回归模型以及ELMAN神经网络模型对样本数据进行训练并模拟,训练模型参数并统计模拟误差。采取上述3种中长期径流预报模型对漓江桂林断面2016年的年、月、旬尺度流量进行预报,并采用加权平均法建立集合预报模型。将集合预报结果与上述3种模型预报结果进行比较并分析,结果表明采用加权平均法的集合预报模型可有效集合各种模型的优势,显著提高了预报精度。
- 单位
基于漓江桂林断面历史长序列旬尺度径流资料,分别采取BP神经网络模型、多元线性回归模型以及ELMAN神经网络模型对样本数据进行训练并模拟,训练模型参数并统计模拟误差。采取上述3种中长期径流预报模型对漓江桂林断面2016年的年、月、旬尺度流量进行预报,并采用加权平均法建立集合预报模型。将集合预报结果与上述3种模型预报结果进行比较并分析,结果表明采用加权平均法的集合预报模型可有效集合各种模型的优势,显著提高了预报精度。
