长江科学院院报 ›› 2018, Vol. 35 ›› Issue (9): 34-37.DOI: 10.11988/ckyyb.20170230
要震1, 许继平1, 孔建磊1, 刘松波2
YAO Zhen1, XU Ji-ping1, KONG Jian-lei1, LIU Song-bo
摘要: 河流水位的变化过程是一个复杂的非线性过程,传统的神经网络预测存在误差较大、收敛速度慢、稳定性差等问题。为了实现对河流水位的有效预测,提出基于遗传算法(GA)优化Elman神经网络的河流水位预测模型。将GA与Elman网络进行有效结合,解决了单一Elman网络存在的不足。选取永定河的监测站点水文数据对河流水位进行预测与检验,并分别将其与Elman网络与BP网络预测结果进行对比。对比结果表明:GA-Elman水位预测模型的收敛速度快、精度高,可根据预测结果实现对水库、拦河闸合理调用,实现对河流水资源的有效配置,以满足灌溉、发电、防洪等工作的需求。
中图分类号: