ann、anfis和ar模型在日径流时间序列预测中的应用比较

ann、anfis和ar模型在日径流时间序列预测中的应用比较

ID:11724502

大小:115.50 KB

页数:9页

时间:2018-07-13

ann、anfis和ar模型在日径流时间序列预测中的应用比较_第1页
ann、anfis和ar模型在日径流时间序列预测中的应用比较_第2页
ann、anfis和ar模型在日径流时间序列预测中的应用比较_第3页
ann、anfis和ar模型在日径流时间序列预测中的应用比较_第4页
ann、anfis和ar模型在日径流时间序列预测中的应用比较_第5页
资源描述:

《ann、anfis和ar模型在日径流时间序列预测中的应用比较》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、ANN、ANFIS和AR模型在日径流时间序列预测中的应用比较  摘要:水文预测是水文学为经济和社会服务的重要方面。其预报结果不仅能为水库优化调度提供决策支持,而且对水电系统的经济运行、航运以及防洪等方面具有重大意义。自回归模型(AR模型)、人工神经网络(ANN)和自适应神经模糊推理系统(ANFIS)在日径流时间序列中应用广泛。将这三种模型应用于桐子林的日径流时间序列预测中,不仅采用纳什系数(NS系数)、均方根误差(RMSE)和平均相对误差(MARE)为评价指标,对三种模型的综合性能进行了比较。而且,在对三种模型预测结果的平均相对误差的阈值统计基础上,分析了三种模

2、型的预测误差分布。同时,通过研究模型性能指标随预见期的变化过程评价了三种模型不同预见期下的预测能力。结果表明ANFIS相对于ANN和AR模型不仅具有更好的模拟能力、泛化能力,而且在相同的预见期下具有更优的模型性能,可以作为日径流时间序列预测的推荐模型。  关键词:自回归模型;人工神经网络;自适应神经模糊推理系统;日径流时间序列预测  中图分类号:P338文献标志码:A文章编号:16721683(2016)06001206  ComparativestudyofANN,ANFISandARmodelfordailyrunofftimeseriespredictio

3、n9  TANQiaofeng1,WANGXu2,WANGHao2,LEIXiaohui2  (1.CollegeofWaterResourceandHydropower,SichuanUniversity,Chengdu610065,China;  2.ChinaInstituteofHydropowerandWaterResourcesResearch,Beijing100038,China)  Abstract:Hydrologicalpredictionisanimportantaspectofhydrology′sserviceforeconomica

4、ndsociety.Thepredictionresultnotonlyprovidesdecisionsupportforreservoirgenerationoperation,butalsoisofgreatsignificancetotheeconomicaloperationofhydropowersystems,navigation,floodcontrolandsoon.Theautoregressivemodel(ARmodel),artificialneuralnetwork(ANN)andadaptiveneuralfuzzyinferenc

5、esystem(ANFIS)havebeenwidelyappliedinthedailyrunofftimeseriesprediction.Inthispaper,thesethreemodelswereappliedindailyrunoffpredictionatTongzilinstation.NashSutcliffeefficiencycoefficient(NScoefficient),rootmeansquareerror(RMSE)andmeanabsoluterelativeerror(MARE)wereusedtoevaluatethep

6、erformancesofthreemodels.Thresholdstatisticsindexwasusedtoanalyzepredictionerrordistributionofthreemodels.Atthesametime,thepredictionabilityofthreemodelswasstudiedbygraduallyincreasingthepredictionperiod.TheresultsshowedthatANFIShadnotonlybettersimulationabilityandgeneralizationabili

7、ty,but9alsobettermodelperformanceinthesamepredictionperiodcomparedtoANNandARmodel.Asaresult,ANFIScanbearecommendedpredictionmodelfordailyrunofftimeseries.  Keywords:autoregressivemodel;artificialneuralnetwork;adaptiveneuralfuzzyinferencesystem;dailyrunoffprediction  水文预测是防汛、抗旱和水资源利用等

8、重大决策的重要依据,历来

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。