一种中长期径流预报方法及系统

    公开(公告)号:CN108876021B

    公开(公告)日:2020-06-02

    申请号:CN201810556367.X

    申请日:2018-05-31

    Abstract: 本发明公开一种中长期径流预报方法及系统,包括:一:获取水文站点的历史实测径流数据,并根据历史实测径流数据建立径流时间序列;二:采用序列相关法确定径流时间序列的时间延迟,采用饱和关联维数法确定径流时间序列的最佳嵌入维数;三:判断所述径流时间序列是否具有混沌特性,若具有混沌特性,则执行步骤四,否则再次执行步骤二;四:在重构相空间时间序列的基础上,采用基于自适应动态阈值的改进AdaBoost.RT算法提升极限学习机模型的学习性能,进而对径流时间序列进行预报,重构相空间时间序列根据时间延迟和最佳嵌入维数确定,基于自适应动态阈值的改进AdaBoost.RT算法依据每次迭代训练样本的均方根误差调整阈值。本发明提高了径流预测精度。

    一种中长期径流预报方法及系统

    公开(公告)号:CN108876021A

    公开(公告)日:2018-11-23

    申请号:CN201810556367.X

    申请日:2018-05-31

    Abstract: 本发明公开一种中长期径流预报方法及系统,包括:一:获取水文站点的历史实测径流数据,并根据历史实测径流数据建立径流时间序列;二:采用序列相关法确定径流时间序列的时间延迟,采用饱和关联维数法确定径流时间序列的最佳嵌入维数;三:判断所述径流时间序列是否具有混沌特性,若具有混沌特性,则执行步骤四,否则再次执行步骤二;四:在重构相空间时间序列的基础上,采用基于自适应动态阈值的改进AdaBoost.RT算法提升极限学习机模型的学习性能,进而对径流时间序列进行预报,重构相空间时间序列根据时间延迟和最佳嵌入维数确定,基于自适应动态阈值的改进AdaBoost.RT算法依据每次迭代训练样本的均方根误差调整阈值。本发明提高了径流预测精度。

    一种耦合神经网络和分布式VIC模型的水文预报方法及系统

    公开(公告)号:CN107274031A

    公开(公告)日:2017-10-20

    申请号:CN201710512467.8

    申请日:2017-06-29

    CPC classification number: Y02A90/15 G06Q10/04 G06N3/04 G06Q50/26

    Abstract: 本发明公开了一种耦合神经网络和分布式VIC模型的水文预报方法及系统,包括:根据当前流域降雨量量、温度、地形、植被覆盖以及土壤品种信息,建立流域内各子流域的VIC模型;分析每个子流域前期实测径流序列与每个子流域当前实测径流序列的相关性,依据AIC准则,选取与每个子流域当前径流序列的相关性高于相关性阈值的序列集;将为每个子流域当前径流序列选取的预测序列集作为输入构建三层神经网络模型,对所述VIC模型模拟的每个子流域当前径流模拟序列进行校正;将校正后的各子流域的当前径流序列作为输入构建三层神经网络模型,对各子流域的径流序列进行汇流并校正得到流域出流序列。本发明可以提高水文预报精度。

Patent Agency Ranking