多输入单输出BP网络预测的非线性预处理研究  

NLP of Day-flow Prediction in MISO of BP ANN

作　　者：刘政[1] 李存军[2] 邓红霞[3] 孙熠[1] 

机构地区：[1]四川大学水利水电学院,四川成都610065 [2]四川大学建筑与环境学院,四川成都610065 [3]四川省紫坪铺开发有限责任公司,四川成都610091

出　　处：《四川大学学报（工程科学版）》2008年第4期53-57,共5页Journal of Sichuan University (Engineering Science Edition)

基　　金：四川大学青年基金资助项目(06016);四川交通职业技术学院2007科研资助项目

摘　　要：非线性预处理在人工神经网络多输入单输出系统日径流预测中的性能主要取决于各输入序列和输出序列的变换组合方式,具有类似变化特征的输入和输出各序列采用变换特性相近或相同的变换方式相比于采用不同的变换组合具有更好的预测效果。以广西桂江流域阳朔、恭城和平乐3个水文站1973年~2001年的日径流量为例,研究了不同组合变换下的MISO非线性预处理预测效果。结果表明,非线性预处理预测均比线性预处理相对误差<10%、<20%和<30%的合格率分别平均提高17.87%、15.85%和8.29%;相同的变换组合比不同的变换组合相对误差<10%、<20%和<30%的合格率分别平均提高3.52%、2.19%和1.24%。The day-flow prediction result in MISO of BP ANN with NLP is mainly determined by transfer combination of series.The same transfers with similar characteristic are better than different transfers of series.This paper predicted in 7 cases of MISO with daily runoff of Yangshuo,Gongcheng and Pingle Station in Guangxi province during 1973~2001.The results show that eligibility ratio of relative error in 10%,in 20% and in 30% by NLP are averagely 17.87%,15.85% and 8.29% more than LP respectively,that eligibility...

关 键 词：水文预测 非线性预处理 MISO 神经网络 

分 类 号：P338[天文地球—水文科学]