基于小波分析的NARX神经网络在水位预测中的应用

神经网络模型因其具有良好的非线性映射能力,在水文领域有大量研究应用,目前应用最广泛的神经网络模型是BP模型?在BP模型中,信息由输入层单向流动到输出层,只能利用有限步历史信息输出结果,而循环神经网络(RNN)模型则可以通过反馈连接结构利用长期历史信息,在时间序列预测上应用广泛?

《南水北调与水利科技（中英文）》2019年第5期发表了《基于小波分析的NARX神经网络在水位预测中的应用 》一文，该文 为提高预报精度,提出一种基于小波分析的NARX神经网络模型(DWT-NARX),综合考虑洪泽湖入湖流量?出湖流量?周边用水?前期水位等因素,对洪泽湖日水位进行预报,并与BP神经网络?NARX神经网络模型进行比较?结果表明,三种模型在短历时预报中均取得了较好的模拟预测效果?当预见期为1或2天时,Nash-Sutcliffe效率系数均大于0.9,合格率大于85%;当预见期超过3d,NARX模型在水位变幅较大的时段预测结果变差,BP模型出现严重的震荡现象,NARX和DWT-NARX模型结果均优于BP神经网络,DWT-NARX在整体上结果最优?研究成果可为洪泽湖的水位预报提供一定的参考价值?

刘墨阳,李巧玲,李致家,等.基于小波分析的NARX神经网络在水位预测中的应用[J].南水北调与水利科技,2019,17(5):56-63.