遗传门限自回归模型在感潮河段水位预测中的应用

摘要：

应用门限自回归(TAR)模型建立了同时受潮汐和径流双重影响的长江下游感潮河段高桥水文站月水位TAR预测模型,建模过程中运用遗传算法来实现模型参数的优化.计算结果显示,门限自回归模型可以拟合感潮河段的非线性特性,拟合及预测精度均满足水文预报规范要求,遗传算法的引入简化了建模过程,提高了模型的预测精度并保证了其预测性能的稳定性.研究结果表明用遗传门限自回归模型预测感潮河段的水位是可行的,该模型在感潮河段其他水文要素的非线性时序预测中也具有广泛的实用价值.

关键词：感潮河段、河流水位、门限自回归模型、遗传算法

所属期刊栏目：25

分类号：P338(水文科学（水界物理学）)

在线出版日期：2005-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：20-23