论文部分内容阅读
径流量预测在现代水文领域有着非常重要的应用,尤其对水资源的有效管理及合理利用具有重大意义.在预测方面,国内外学者通过对多种神经网络和智能算法进行组合或者混合取得了良好的预测效果.本文通过对月均径流和日均径流数据进行模拟实验,研究智能算法优化神经网络模型及其组合优化模型(COM)在实际预测中的效果.文章采用了支持向量机(SVR)、小波神经网络(WNN)、极限学习机(ELM)和模拟退火遗传算法(SAGA),并建立SAGA优化的WNN模型及其SAGA优化ELM、SVR、WNN的组合模型,将其分别应用于杂木河月均径流量和昌马堡水文站的日均径流量的预测研究中.首先,直接对杂木河月均径流数据进行相空间重构,用SVR、WNN、GASVR、GA-WNN模型进行预测.其次,针对月径流呈现季节性的特点,先对其进行季节指数调整(SEA),然后对调整后的趋势循环序列分别建立WNN、SVR、GAWNN、SAGA-WNN模型,对不规则序列建立ELM模型,实证结果表明,SEASAGAWNN-ELM模型对月均径流预测有较高的精度.再次,考虑到降水气温等因素对径流量的影响,建立以降水气温为变量的径流量预测模型,分别用WNN、GA-WNN和SAGA-WNN进行预测,得到SAGA-WNN与未优化的模型相比,仍具有较好的预测精度.最后,本文对三种不同思路下的预测结果进行比较讨论,得到在做预测时对数据做一定的分析和处理是必要的,混合模型优于单一的模型,提出的SAGA-WNN模型预测精度高于其它未优化的模型.另外,本文建立基于SAGA优化ELM、WNN、SVR的组合优化模型(COM),并将其用于昌马堡水文站的日均径流预测研究中,仿真结果表明该模型在预测精度上优于单一的预测模型.总之,经过智能算法优化的小波神经网络模型优于未优化的模型,组合优化模型优于单一的预测模型,且优化性能越好,预测精度越高.