為獲得水文徑流模擬的標(biāo)準(zhǔn)模型,基于思維進(jìn)化算法優(yōu)化(MEA)誤差反向神經(jīng)網(wǎng)絡(luò)模型(BPNN)模型構(gòu)建MEA-BPNN模型,并將計算結(jié)果與遺傳算法優(yōu)化BPNN模型(GA-BPNN)與BPNN模型進(jìn)行對比,并將EEMD算法求解的徑流分量作為模型輸入?yún)?shù)。結(jié)果表明:MEA-BPNN模型預(yù)測精度最高,同時在5—10月的豐水期模擬精度高于枯水期,在豐水期采用連續(xù)滾動預(yù)報,而在枯水期采用同期預(yù)報的預(yù)報方式可保證MEA-BPNN模型最高的精度。

【文章頁數(shù)】：6 頁

【文章目錄】：
1 研究方法
    1.1 BPNN神經(jīng)網(wǎng)絡(luò)模型原理
    1.2 遺傳算法優(yōu)化BPNN模型構(gòu)建(GA-BPNN)
    1.3 思維進(jìn)化算法優(yōu)化BPNN模型構(gòu)建(MEA-BPNN)
    1.4 EEMD算法原理
    1.5 模型模擬及精度驗證
2 結(jié)果與分析
    2.1 EEMD分解徑流量
    2.2 徑流預(yù)報結(jié)果分析
    2.3 MEA-BPNN模型連續(xù)滾動預(yù)報與同期預(yù)報精度對比
3 結(jié)語



本文編號：3827516