基于小波分解-Elman网络的灌区地下水埋深预测模型

摘要：

地下水埋深受多种因素的影响,其演变具有趋势性、突变性与非平稳性.小波分解通过将时间序列分解成高频与低频分量来减少序列的非平稳性,其在处理非平稳信号方面具有明显的优势;Elman网络对非线性问题具有适应时变和动态记忆的优点.基于小波分解与Elman网络的优点,提出了一个新的地下水埋深预测耦合模型,并将其应用到人民胜利渠地下水埋深预测中;为验证模型的可靠性,将其预测结果分别与CEEMD-Elman模型和BP网络模型的预测结果进行了对比.结果表明:基于小波分解-Elman网络预测模型的最大相对误差为30.7％,最小相对误差为0.2％,平均相对误差为2.2％,预测效果较好;随着小波分解-Elman网络预测模型分解层数的增加,子分量与地下水埋深的相关性有增强的趋势,序列的平稳性越来越好;CEEMD-Elman模型和BP网络模型的平均相对误差分别为8.1％、3.8％,说明小波分解-Elman模型的精度最高.

关键词：小波分解、Elman网络、预测、灌区、地下水埋深

所属期刊栏目：41

分类号：TV211.1+2

资助基金：国家自然科学基金项目;河南省国际科技合作项目

在线出版日期：2020-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7