论文部分内容阅读
水文预报是水文学的重要内容。准确的进行水文预报对于工农业生产、水资源的合理利用、防洪抗旱以及水利工程的建设、运行和调度管理等都起着重要的作用。河流的径流量预测是水文学中的重要问题,研究河流径流量的预报,对于防汛抢险、水电站运行管理、水资源的利用与保护等都具有非常重要的意义。 本文主要应用时间序列分析方法,对于黄河龙门站月径流量数据,建立了ARMA模型、NAR模型、BP神经网络模型以及基于这三种模型的变权组合预测模型,并比较了单一模型与变权组合模型的预测效果。主要研究内容如下: 1.建立了黄河龙门站月径流量序列的ARMA模型,该模型较好的拟合出了黄河龙门站月径流量的变化趋势,但预测精度不高。 2.建立了黄河龙门站月径流量序列的非参数自回归(NAR)模型,并对拟合、预测值与实际值进行了对比分析,实证研究结果表明:预测效果不太理想。 3.讨论了BP神经网络的结构和算法,使用BP神经网络模型对黄河龙门站月径流量数据进行了建模预测,预测精度仍有待提高。 4.在ARMA模型、NAR模型、BP神经网络模型的基础上,分别建立了ARMA模型与NAR模型、ARMA模型与BP神经网络模型、NAR模型与BP神经网络模型的基于相关系数的变权组合模型,并将这三种组合模型应用到黄河龙门站月径流量的预测中。同时,对各个单模型和各个组合模型的预测结果进行了比较分析,实证研究结果表明: ARMA模型和NAR模型的基于相关系数的变权组合模型的预测精度最高。