徑流預測是水資源分析的一項重要內容,但由于受到氣候變化、地理位置、人類活動等因素的影響,徑流的變化錯綜復雜,使徑流預測變得相當困難。本文基于蘭州站過去31年月徑流的數據資料,通過MATLAB軟件編程實現(xiàn)自適應神經模糊系統(tǒng)（ANFIS）在月徑流預測中的應用,并通過兩個預先建立的function函數（包含回歸方程、決定系數、相關系數等）評價預測結果。從輸出結果可以看出:（1）ANFIS在蘭州站月徑流預測中整體結果令人較為滿意,檢驗數據共60組預測結果,其中有51組誤差百分比低于10%,7組結果介于10%²0%之間,2組結果介于20%³0%之間;（2）12個月預測值與實際值的相關系數（介于0¹之間,值越大相關性越高）均超過0.8;（3）在回歸方程輸出結果中,一月、四月、六月結果與其余九個月的結果相比有所差距,其決定系數（用于判斷回歸方程結果優(yōu)劣,介于0¹之間,值越大回歸方程結果越優(yōu)）處于0.4⁰.7之間,余下九個月份決定系數均大于0.75。使用ANFIS對蘭州站月徑流預測時,所得到的... 

【文章來源】：昆明理工大學云南省

【文章頁數】：86 頁

【學位級別】：碩士

【部分圖文】：

具有兩規(guī)則的一階Sugeno模糊模型

具有五層結構、兩個輸入的ANFIS示意圖

【參考文獻】：
期刊論文
[1]基于T-S模糊模型的非線性系統(tǒng)廣義預測控制[J]. 劉石紅.  工業(yè)儀表與自動化裝置. 2016(06)
[2]ANN、ANFIS和AR模型在日徑流時間序列預測中的應用比較[J]. 譚喬鳳,王旭,王浩,雷曉輝.  南水北調與水利科技. 2016(06)
[3]T-S模糊控制綜述與展望[J]. 肖建,趙濤.  西南交通大學學報. 2016(03)
[4]小波-ANFIS模型在年最大洪峰預測中的應用[J]. 唐英敏,閆強.  人民黃河. 2015(10)
[5]小波分析方法在水文學研究中的應用現(xiàn)狀及展望[J]. 桑燕芳,王中根,劉昌明.  地理科學進展. 2013(09)
[6]引入灰色弱化緩沖算子的人工神經網絡組合預測方法在年徑流預測中的應用[J]. 晏欣,鄒進.  水電能源科學. 2013(07)
[7]多隱層BP神經網絡模型在徑流預測中的應用[J]. 崔東文.  水文. 2013(01)
[8]自適應神經模糊推理系統(tǒng)（ANFIS）及其仿真[J]. 張小娟.  電子設計工程. 2012(05)
[9]最小二乘法、最小一乘法與方差、線性回歸方程[J]. 唐銳光.  數學通訊. 2011(14)
[10]基于人工神經網絡的鶯落峽月徑流模擬預測[J]. 張勃,王海青,張華.  自然資源學報. 2009(12)

博士論文
[1]基于計算智能的時間序列模型及預測研究[D]. 王立柱.大連理工大學 2015
[2]PSA-ANFIS方法及其在礦山巖土工程災害預測中的應用[D]. 張志軍.中南大學 2008
[3]模糊智能系統(tǒng)中模糊推理研究[D]. 徐蔚鴻.南京理工大學 2004
[4]基于人工神經網絡的水文過程模擬研究[D]. 王玲.河海大學 2002

碩士論文
[1]模糊神經網絡預測算法改進及應用[D]. 高君.吉林大學 2017
[2]基于T-S模糊模型的混沌同步方法研究[D]. 施偉豐.南京郵電大學 2016
[3]T-S模糊控制系統(tǒng)的穩(wěn)定性分析[D]. 何超君.西華大學 2016
[4]基于人工神經網絡預測與分類的應用研究[D]. 牛志娟.中北大學 2016
[5]中長期徑流的多種組合預測方法及其比較[D]. 孫惠子.西北農林科技大學 2012
[6]基于相關系數矩陣的網絡異常行為分析方法研究[D]. 陳郁.華中科技大學 2009
[7]雅魯藏布江中游段徑流預測研究[D]. 戴露.四川大學 2006
[8]基于人工神經網絡的水文模擬研究[D]. 鞠琴.河海大學 2005
[9]基于神經網絡的模糊智能系統(tǒng)的研究與實現(xiàn)[D]. 馬子鵬.西安科技大學 2005
[10]ANFIS的MATLAB實現(xiàn)與液壓成型機模糊溫控系統(tǒng)的研究[D]. 陳新兵.湖南大學 2005



本文編號：2970821