文献类型：期刊文章

作　　者：李志新[1] 赖志琴[1] 龙云墨[1]

LI Zhixin;LAI Zhiqin;LONG Yunmo(School of Civil Engineering, Guizhou Institute of Technology, Guiyang 550003, Guizhou, China)

机构地区：[1]贵州理工学院土木工程学院,贵州贵阳550003

出　　处：《水利水电技术》

基　　金：贵州省科学技术基金计划(黔科合基础[2016]1062);国家自然科学基金项目(51508121);贵州省科技合作计划(黔科合LH字2016[7096])

年　　份：2018

卷　　号：49

期　　号：8

起止页码：71-77

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对传统神经网络模型静态性及训练算法易陷入局部极值的缺陷,为了实现神经网络训练全局寻优,提高模拟精度,并使网络结构能动态反映年径流系列的时变特性,本文以年降雨及气温作为输入因子、年径流量为模型预测对象,结合遗传算法和Elman神经网络各自的优点,采用遗传算法对网络权值阈值全局优化,通过二者的耦合构建了GA-Elman年径流预测模型。利用构皮滩站1961—2015年的径流系列对模型进行了训练及测试,并对各模型预测性能比较分析。结果表明:GA-Elman模型预测平均相对误差5.29%、均方根误差55.81 mm,效果良好,对于径流预测具有实用价值;神经网络模型预测精度优于基于线性方法的模型,预测平均相对误差从12.01%降至7.07%以下;采用遗传算法改进神经网络权值阈值优化过程,预测平均相对误差从7.07%降低到5.29%,可明显提高模型泛化能力,从而改善径流预测效果。

关 键 词：遗传算法 神经网络 预测  模型  

分 类 号：S275.3] S153.3[农业工程类]