基于BP神经网络的概率预报模型在月径流预报中的应用研究.pdf

《基于BP神经网络的概率预报模型在月径流预报中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级桂林电子科技大学硕士学位论文（全日制专业学位硕士）题目基于BP神经网络的概率预报模型在月径流预报中的应用研究（英文）StudyonaProbabilityForecastModelBasedonBPNeuralNetworkAppliedinMonthlyRunoffForecast研究生学号:1208520128研究生姓名:王冬梅指导教师姓名、职务:李彩林副教授申请学位门类:工程硕士学科、专业名称:机械工程提交论文日期:2014年10月论文答辩日期:2014年12月万方数据万方数据摘要摘要径流预报是水电站水库制定发电计划和实时优化调度决策的重要依据，同时对防

2、洪抗旱，航运管理和水资源分配等具有指导意义。径流形成过程受众多因素影响，变化规律错综复杂，径流预报一直都是水文研究中的难点问题。多年来，水文工作者对此进行了大量的研究，并已取得了一些显著的成果，短期径流预报已达到了一定水平，但中长期预报由于具有较长预见期，预报精度不高且不确定度大。概率预报虽能描述预报不确定度，但在中长期预报中研究还不够成熟，有待进一步深入探讨。本文以月径流预报为例开展中长期径流预报的研究，重点研究基于BP神经网络的确定性预报模型的建立与概率预报模型的建立与应用，主要研究内容和结论概括如下：（1）针对月径流特点，建立单项预报模型。分析月径流资料，采

3、用自回归滑动平均预测法与相似过程衍生预测法分别建立单项预报模型。（2）结合单项预报模型预报结果，建立BP神经网络预报模型。以两种单项预报模型预报值作为BP神经网络输入，以实测月径流值作为BP神经网络期望输出，建立BP神经网络预报模型。（3）以BP神经网络模型预报误差为基础，建立概率预报模型。从BP神经网络的月径流预报结果出发，运用概率论与数理统计方法对预报误差进行了统计分析，求解指定置信系数下误差区间。将BP神经网络的确定性预报值与误差区间进行叠加，以此作为概率预报结果。（4）将上述所建立预报模型应用于仿真试验中，结果表明，两单项预报模型各具优劣，且所建立的BP神

4、经网络预报精度在三种确定性预报模型中最高。以BP神经网络预报误差为基础所建立的概率预报模型具有较高的预报精度，能为水资源综合配置提供参考依据。关键词：月径流预报；BP神经网络；不确定度；概率预报I万方数据AbstractAbstractRunoffforecastistheimportantbasisforgenerationplanandreal-timeoptimizeddispatchinginreservoir,andalsohaspracticalguidingsignificanceforfloodcontrol,droughtrelief,shipp

5、ingmanagement,andwaterresourcedistribution.Runoffforecastisadifficultjobinhydrologicstudyforinfluencefactorsarenumerousandchangerulesarecomplicated.Hydrologistshavemadesubstantivestudiesonrunoffforecastandgotmanysignificantachievementsforyears.Short-termrunoffforecasthasreachedahighle

6、vel,however,mid-longtermforecastaccuracyislowanduncertaintyishighforitslongforeseeableandlackingofforecastfactors.Probabilityforecastcanbeusedtodescribeforecastuncertainty,butitisnotmatureenoughinmid-longtermforecastandremainsfurtherstudy.Inthispaper,mid-longtermrunoffforecastisstudie

7、dbyanexampleofmonthrunoffforecast,andthekeyresearchcontentisestablishingacertainrunoffforecastmodelbasingonBPneuralnetworkandaprobabilityforecastmodel.Mainstudycontentsandresultsaresummarizedasfollow:(1)Singleforecastmodelisestablishedonmonthlyrunoffcharacteristic.Autoregressivemoving

8、avera