基于小波神经网络的潘家口水库汛期月径流预测

摘要

小波神经网络组合模型兼有小波变化良好的时频局部化性质和神经网络强大的非线性逼近能力.尝试将潘家口水库1995—2015年6—9月逐月径流系列按时间顺序排列,对不同序列根据小波函数选择准则选择适用的小波函数,通过小波分解与重构得到高、低频小波系数,并将区间降水、其它断面入流和上月水库入流作为输入,将本月水库入流作为输出,构建小波神经网络(WNM)模型进行训练、检验、预测,并与单一神经网络(ANN)模型预测做比较.研究结果表明,小波神经网络模型结构简单、收敛速度快,月径流变化趋势预测精度较高,具备可靠性和实用性.