基于ANN与多元门限回归相结合的中长期水文预报组合预报模型研究.pdfVIP

  基于 ANN 和多元门限回归相结合的中长期水文预报组合预报模型研究   谢小燕  等  基于 ANN 和多元门限回归相结合的中长期 水文预报组合预报模型研究 谢小燕，李春红，王建平，陈建 （国网电力科学研究院/南京南瑞集团公司，江苏省南京市 210003） 摘要：以 ANN 模型预测结果以及多元门限回归模型预测结果作为输入，采用最优 加权法进行权系数组合预测，建立了基于 ANN 和多元门限回归相结合的中长期水 文预报组合预报模型；开展了模型的实例研究，并取得了满意的结果。  关键词；中长期水文预报；ANN 模型；多元门限回归模型；组合预测  0 引言 如何利用前期水文气象要素，用成因分析与数理统计的方法，对未来较长时间的水文要 [1,2] 素进行可靠及时的预测，对水库调度、防灾减灾等工作具有重要意义 。 由于大部分水文时间序列都具有非线性的特点，因此，人工神经网络（ANN ）等一系 列具有良好非线性映射能力的模型也越来越受到了人们的广泛关注。胡铁松等[3]对人工神经 网络在水文水资源中的应用现状作了全面的介绍，并认为神经网络为一些复杂水文水资源问 题的研究提供了一条有效的途径。但是该方法应用于长期水文预报的模型在网络输入数据的 确定方面，过多的输入会造成网络收敛慢的问题，而过少同样会出现拟和效果差的情况；门 限回归模型[4, 5,6] 是由英籍华人汤家豪（H.Tong ）博士首创的门限自回归模型的扩展，能有 效地描述具有突变性、准周期性、分段相依性等复杂现象的非线性动态系统，是具有广泛意 义的一种非线性模型，其实质是以分区间的线性模型来描述研究对象在整个区间的非线性变 化特性；组合预测是 Bates 和 Granger 于 1969 年提出来的。他们认为，人们常在选择一个较 优预测值的同时舍弃了另外的预侧值是很不明智的，因为舍弃的预测值一般都蕴含某些有用 的信息；另一方面，任何时间序列模型的参数都不可能得到准确的识别，不同模型组合往往 能得到较好的预测值。该方法作为一种新的预测方法或途径，特别是应用于中长期水文预报， 还是有发展前景的。 为了弥补单个预测模型的片面性，本文以 ANN 模型预测结果以及多元门限回归模型 预测结果作为输入，采用最优加权法进行权系数组合预测，建立了基于 ANN 和多元门限回 归相结合的中长期水文预报组合预报模型，该方法充分利用不同模型的优点，从而使预测模 型具有对环境变化的适应能力。 1 组合预测模型 1.1 神经网络模型 人工神经网络理论是模仿生物大脑结构和功能建立起来的。神经元是生物神经系统的结 构单元和功能单元，通过数以万计的神经元相互联系构成一个庞大而复杂的网络。在 ANN 中，用“结点”或“人工神经元”仿真生物神经元。通过大量人工神经元的相互连接便构成ANN ， ANN 能够描述系统内存在的非线性特征。 在水文资源分析计算中应用最多的是 BP 网络模型。一般三层（一个输入层、一个隐层 和一个输出层）BP 网络模型（见图 1）可刻化水文水资源研究对象。 BP 网络模型定义如下：   全国水电厂自动化技术 2012 年度学术交流研讨会  X t (X t 1 , ,X t i ,,X t P ) t （1） 式中，Xt(t=1,2,…,N)为水文时间序列；P 为网络模型输入节点数；εt 为白噪声；  为人工 神经网络非线性映射，为一隐式函数，体现在神经网络结构和联接权上，反映系统各种复杂 的、动态的、高度非线性的关系。