ANN 、ANFIS 和 AR 模型在日径流时间序列预测中的应用比较

摘要：

水文预测是水文学为经济和社会服务的重要方面。其预报结果不仅能为水库优化调度提供决策支持，而且对水电系统的经济运行、航运以及防洪等方面具有重大意义。自回归模型（AR模型）、人工神经网络（ANN）和自适应神经模糊推理系统（A N FIS ）在日径流时间序列中应用广泛。将这三种模型应用于桐子林的日径流时间序列预测中，不仅采用纳什系数（NS系数）、均方根误差（RMSE）和平均相对误差（MARE）为评价指标，对三种模型的综合性能进行了比较。而且，在对三种模型预测结果的平均相对误差的阈值统计基础上，分析了三种模型的预测误差分布。同时，通过研究模型性能指标随预见期的变化过程评价了三种模型不同预见期下的预测能力。结果表明 AN‐FIS相对于A N N和A R模型不仅具有更好的模拟能力、泛化能力，而且在相同的预见期下具有更优的模型性能，可以作为日径流时间序列预测的推荐模型。

关键词：自回归模型、人工神经网络、自适应神经模糊推理系统、日径流时间序列预测

所属期刊栏目：14

分类号：P338(水文科学（水界物理学）)

资助基金：“十二五”国家科技支撑计划项目2013BAB05B00 Fund12th Five-Year Science and Technology Support Program 2013BAB05B00

在线出版日期：2016-11-25（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：12-17,26