本文關(guān)鍵詞：基于EEMD-ANN的水庫年徑流預測

  更多相關(guān)文章： 集合經(jīng)驗模態(tài)分解 人工神經(jīng)網(wǎng)絡(luò) 徑流預測 突變檢測 三峽水庫

【摘要】：以三峽水庫為例,基于集合經(jīng)驗模態(tài)分解(EEMD)及人工神經(jīng)網(wǎng)絡(luò)方法對水庫年徑流進行預測。首先利用Mann-Kendall和Pettitt法對水庫年徑流序列進行突變檢測,獲得平穩(wěn)徑流序列,然后采取EEMD方法分解徑流序列,得到固有模態(tài)函數(shù)(IMF)和殘差,最后對不同IMFs和殘差分別建立人工神經(jīng)網(wǎng)絡(luò)預測模型,疊加所有模型預測結(jié)果得到年徑流預測值。結(jié)果表明,基于EEMD-ANN的年徑流預測模型優(yōu)于自回歸模型和人工神經(jīng)網(wǎng)絡(luò)模型,其預測結(jié)果與實測值的相關(guān)性更強,預測誤差分別減少了11.4%、8.7%。同時,構(gòu)建EEMD-ANN預測模型時需考慮徑流序列的突變特征,采取平穩(wěn)徑流序列的預測效果更優(yōu)。
【作者單位】： 天津大學水利工程仿真與安全國家重點實驗室;
【關(guān)鍵詞】： 集合經(jīng)驗模態(tài)分解 人工神經(jīng)網(wǎng)絡(luò) 徑流預測 突變檢測 三峽水庫
【基金】：國家自然科學基金項目(51109156) 天津市應用基礎(chǔ)與前沿技術(shù)研究項目(15JCYBJC21800)
【分類號】：TV697.21;TV121
【正文快照】： 1引言 徑流預報方法和模型一直是水庫調(diào)度領(lǐng)域的研究重點,其預報結(jié)果是支撐水庫科學調(diào)度的重要信息。因人工神經(jīng)網(wǎng)絡(luò)可任意逼近非線性函EEMD方法把徑流序列分解為若干個由高頻到低頻的固有模態(tài)函數(shù)和殘差,將神經(jīng)網(wǎng)絡(luò)模型對徑流序列的直接預測轉(zhuǎn)變?yōu)閷Σ煌l率的固有模態(tài)函數(shù)

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張建興;馬孝義;趙文舉;高文強;王波雷;;基于生命旋回-權(quán)馬爾可夫的徑流預測模型[J];武漢大學學報(工學版);2008年06期

2 馬建琴;許龍賓;師琨;;改進型灰色馬爾科夫模型在徑流預測中的應用[J];華北水利水電學院學報;2012年02期

3 周秀平;王文圣;黃偉軍;;支持向量機回歸模型在徑流預測中的應用[J];水電能源科學;2006年04期

4 袁曉輝;張勇傳;袁艷斌;;基于遺傳規(guī)劃的徑流預測新方法[J];水力發(fā)電;2006年08期

5 陳f^;隋彬;;徑流預測在雅礱江流域梯級電站中的應用[J];水力發(fā)電;2007年12期

6 曹輝;黃強;白濤;金力新;吳超;;徑流預測方法對比分析[J];人民黃河;2009年09期

7 汪蕓;郭生練;李響;;奇異譜分析在中長期徑流預測中的應用研究[J];人民長江;2011年09期

8 朱聰;王文圣;程開宇;楊娟;;一種新型耦合模型在月徑流預測中的應用[J];水力發(fā)電;2012年01期

9 劉素一,廖家平;徑流預測中的非線性分析方法[J];湖北工學院學報;2003年01期

10 李計;李毅;嚴寶文;宋松柏;;基于四種方法的月徑流預測研究[J];水利與建筑工程學報;2010年02期

中國碩士學位論文全文數(shù)據(jù)庫 前7條

1 汪龍;基于BP網(wǎng)絡(luò)的徑流預測研究[D];昆明理工大學;2015年

2 潘希強;面向藏木電站下閘蓄水日期選擇的雅江中游徑流預測研究[D];清華大學;2014年

3 戴露;雅魯藏布江中游段徑流預測研究[D];四川大學;2006年

4 楊東方;電力市場環(huán)境下水電站中長期徑流預測及優(yōu)化調(diào)度研究[D];四川大學;2003年

5 任磊;基于人工神經(jīng)網(wǎng)絡(luò)的金溝河流域徑流預測研究[D];新疆農(nóng)業(yè)大學;2012年

6 張偉;基于人工神經(jīng)網(wǎng)絡(luò)的徑流預測研究[D];石河子大學;2008年

7 秦蓓蕾;清江流域水文中長期預測研究[D];四川大學;2004年

，

本文編號：668282