Hits:

Indexed by:期刊论文

Date of Publication:2013-12-25

Journal:水力发电学报

Included Journals:Scopus、PKU、ISTIC、CSCD

Volume:32

Issue:6

Page Number:11-18

ISSN No.:1003-1243

Key Words:水文学;中长期;水文预报;多模型;联邦滤波;信息融合

Abstract:中长期径流具有非线性时变特点,带有高度的复杂性和不确定性,使用单一算法或模型的预报结果往往不令人满意.因此,本文首先利用GFS降雨预报信息并采用多元线性回归、BP神经网络、季节自回归和新安江模型对浑江桓仁水库流域进行旬径流预报;然后使用自适应联邦滤波算法对四个模型的预报信息进行融合、校正;最后应用结果表明,多模型信息融合能够增强预报的稳定性并提高预报精度,为中长期径流预报方法提供了一定的参考.