本文選題：主成分回歸 + 主成分分析�。� 參考：《中國(guó)沙漠》2016年04期

【摘要】：徑流預(yù)測(cè)為流域水資源的合理開(kāi)發(fā)利用與統(tǒng)籌配置提供依據(jù)。運(yùn)用多元線性回歸、主成分回歸、BP神經(jīng)網(wǎng)絡(luò)及主成分分析和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法,對(duì)新疆呼圖壁河流域石門水文站2009—2011年各月徑流量進(jìn)行預(yù)測(cè),并采用相關(guān)系數(shù)、確定性系數(shù)及均方根誤差對(duì)各模型預(yù)測(cè)精度進(jìn)行比較。結(jié)果表明:(1)神經(jīng)網(wǎng)絡(luò)等智能算法具有高速尋優(yōu)的能力,對(duì)短時(shí)間尺度的月徑流量的預(yù)測(cè)結(jié)果較好;(2)主成分回歸等常規(guī)算法能充分反映出某地區(qū)徑流的年際的穩(wěn)定性,對(duì)全年徑流總量的模擬精度較高;(3)主成分分析和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法,提高了神經(jīng)網(wǎng)絡(luò)的收斂速度,同時(shí)降低了局部極值的影響,優(yōu)于簡(jiǎn)單的BP神經(jīng)網(wǎng)絡(luò),適用于呼圖壁河月徑流量預(yù)測(cè)。
[Abstract]:Runoff prediction provides basis for rational exploitation and overall allocation of water resources in river basin. By means of multivariate linear regression, principal component regression (PCA) and BP neural network (PCA) combined with BP neural network, the monthly runoff of Shimen Hydrologic Station in the Hutubi River Basin of Xinjiang from 2009 to 2011 is predicted, and the correlation coefficient is adopted. Deterministic coefficient and root mean square error are used to compare the prediction accuracy of each model. The results show that: (1) the intelligent algorithm such as neural network has the ability of high speed optimization, and the prediction result of monthly runoff on a short time scale is better; (2) the conventional algorithms such as principal component regression can fully reflect the interannual stability of runoff in a certain area. (3) the method of combining principal component analysis and BP neural network improves the convergence speed of neural network and reduces the influence of local extremum, which is superior to the simple BP neural network. It is suitable for forecasting monthly runoff of Hutubi River.
【作者單位】： 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院;新疆大學(xué)教育部綠洲生態(tài)重點(diǎn)實(shí)驗(yàn)室;新疆大學(xué)干旱生態(tài)環(huán)境研究所;新疆大學(xué)干旱半干旱區(qū)可持續(xù)發(fā)展國(guó)際研究中心;
【基金】：水利部公益性行業(yè)科研專項(xiàng)(201301103) 國(guó)家自然科學(xué)基金項(xiàng)目(41130531,41171023)
【分類號(hào)】：P338

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王永剛,曹丹平,朱兆林;神經(jīng)網(wǎng)絡(luò)方法烴類預(yù)測(cè)中的問(wèn)題探討[J];石油物探;2004年01期

2 李文娟;姚竹亭;;基于自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)[J];電子世界;2013年11期

3 A.O.Kumoluyi;文碧生;周成當(dāng);;石油工程中的高階神經(jīng)網(wǎng)絡(luò)[J];國(guó)外油氣勘探;1996年03期

4 G.R th;A.Tarantola;萬(wàn)永革;;神經(jīng)網(wǎng)絡(luò)及地震數(shù)據(jù)反演[J];世界地震譯叢;1995年02期

5 蘇義鑫;沈俊;張丹紅;胡孝芳;;神經(jīng)網(wǎng)絡(luò)和改進(jìn)粒子群算法在地震預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2011年07期

6 趙杰;李春華;;基于神經(jīng)網(wǎng)絡(luò)的兩種巖性識(shí)別方法的研究[J];現(xiàn)代電子技術(shù);2009年23期

7 林紅波,李月,馬海濤,楊寶俊;混沌噪聲背景下檢測(cè)微弱信號(hào)的神經(jīng)網(wǎng)絡(luò)方法分析[J];地球物理學(xué)進(jìn)展;2003年04期

8 劉金生;周煥銀;劉金輝;;基于BP神經(jīng)網(wǎng)絡(luò)的撫河水環(huán)境質(zhì)量評(píng)價(jià)研究[J];東華理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

9 黃勝;;相空間神經(jīng)網(wǎng)絡(luò)耦合模型在水文預(yù)測(cè)中的應(yīng)用[J];人民長(zhǎng)江;2008年11期

10 張慶紅;程國(guó)建;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的油氣層識(shí)別研究[J];信息技術(shù);2010年09期

相關(guān)會(huì)議論文 前9條

1 朱廣生;劉瑞林;;用神經(jīng)網(wǎng)絡(luò)建立孔隙度預(yù)測(cè)模型[A];1992年中國(guó)地球物理學(xué)會(huì)第八屆學(xué)術(shù)年會(huì)論文集[C];1992年

2 于軍;聶義勇;;神經(jīng)網(wǎng)絡(luò)控制算法在流體阻力時(shí)變物體運(yùn)動(dòng)模型中的應(yīng)用[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

3 耿美霞;楊慶節(jié);;RBF神經(jīng)網(wǎng)絡(luò)反演二維重力密度分布[A];中國(guó)地球物理2013——第二十六專題論文集[C];2013年

4 李彤;陳小宏;;利用神經(jīng)網(wǎng)絡(luò)進(jìn)行道編輯[A];1997年中國(guó)地球物理學(xué)會(huì)第十三屆學(xué)術(shù)年會(huì)論文集[C];1997年

5 孫效功;王碩儒;;函數(shù)型連接神經(jīng)網(wǎng)絡(luò)的一種改進(jìn)算法及其應(yīng)用[A];1993年中國(guó)地球物理學(xué)會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1993年

6 張新兵;陳東敬;王家林;于鵬;;帶模擬退火的擬BP神經(jīng)網(wǎng)絡(luò)在西亞某地區(qū)重力資料反演中的應(yīng)用[A];中國(guó)地球物理第二十一屆年會(huì)論文集[C];2005年

7 詹治田;E．B．Karus;劉淑妹;;神經(jīng)網(wǎng)絡(luò)在多井插值中的應(yīng)用[A];1995年中國(guó)地球物理學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];1995年

8 王旭輝;韓其玉;劉仲一;;一種新的映射神經(jīng)網(wǎng)絡(luò)[A];1995年中國(guó)地球物理學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];1995年

9 董兆俊;王彥磊;關(guān)吉平;;遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)在淮河流域水文預(yù)報(bào)中的應(yīng)用[A];中國(guó)水文科技新發(fā)展——2012中國(guó)水文學(xué)術(shù)討論會(huì)論文集[C];2012年

相關(guān)博士學(xué)位論文 前2條

1 江沸菠;基于神經(jīng)網(wǎng)絡(luò)的混合非線性電阻率反演成像[D];中南大學(xué);2014年

2 覃光華;人工神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用[D];四川大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 劉雪梅;基于熱異常信息的神經(jīng)網(wǎng)絡(luò)地震預(yù)測(cè)初探[D];中國(guó)石油大學(xué)(華東);2014年

2 袁姝;神經(jīng)網(wǎng)絡(luò)在地震反演中的研究與應(yīng)用[D];西安石油大學(xué);2011年

3 王圣;基于神經(jīng)網(wǎng)絡(luò)的水文預(yù)報(bào)方法研究[D];華中科技大學(xué);2013年

4 項(xiàng)月文;基于SOM自組織神經(jīng)網(wǎng)絡(luò)的地震預(yù)報(bào)技術(shù)研究[D];南昌大學(xué);2012年

5 岳素青;SOM神經(jīng)網(wǎng)絡(luò)的研究及在水文分區(qū)中的應(yīng)用[D];河海大學(xué);2006年

6 周洪祥;基于神經(jīng)網(wǎng)絡(luò)的重力異常反演[D];成都理工大學(xué);2014年

7 李寧;BP神經(jīng)網(wǎng)絡(luò)在水文數(shù)據(jù)中的應(yīng)用研究[D];山西財(cái)經(jīng)大學(xué);2011年

8 王金峰;神經(jīng)網(wǎng)絡(luò)地震初至拾取算法及并行化研究[D];成都理工大學(xué);2006年

9 王偉哲;地震直接經(jīng)濟(jì)損失評(píng)估：BP神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[D];西南財(cái)經(jīng)大學(xué);2012年

10 陳文立;基于改進(jìn)PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)的水泵全特性預(yù)測(cè)研究[D];長(zhǎng)安大學(xué);2014年

，

本文編號(hào)：2070554