考虑前期影响雨量的NLPM-AMN模型

摘要：

建立了一种考虑前期影响雨量和采用人工神经网络的非线性扰动模型.模型结构与NLPM-API模型相似,不同之处在于采用人工神经网络模拟输入扰动项与输出扰动项之间的相互关系.采用牧马河和鲇鱼山水库流域的日降雨径流资料对模型进行了率定和校核.结果表明,所建模型与线性扰动模型、NLPM-AMN模型和NLPM-API模型相比,两个流域在率定期的模型效率系数增长幅度分别为10.84%,1.54%,10.6%和21.59%,0.67%,10.11%;在检验期的模型效率系数增长幅度分别为5.56%,0.97%,4.41%和11.86%,1.76%,7.97%.所有的评价指标均优于其他模型.

关键词：水文预报、线性扰动模型、人工神经网络、前期影响雨量、NLPM-AMN模型

所属期刊栏目：39

分类号：TV124(水利工程基础科学)

资助基金：教育部重点科学技术支持项目104204

在线出版日期：2007-03-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：18-22