|
王文副教授等2006年在《Journal of Hydrology》第324卷发表署名论文“Forecasting daily streamflow using hybrid ANN models （采用混合人工神经网络模型进行日流量预报）”。本论文针对单变量的日流量过程，根据“分而治之”的思路，采用混合的神经网络（ANN）模型进行日流量过程的预报试验。论文考虑了三种不同方式的神经网络混合方式，即基于门限值的ANN、基于聚类的ANN及基于周期（季节性）的ANN，并将这三种方式与不混合的常规的ANN模型进行了比较。同时，建模中考虑了不同的预处理方式（标准化、对数化、缩尺度化、除季节性及这几种方式的不同组合）对预报结果的影响，并对ANN模型选择问题进行了讨论。比较结果表明，三种ANN混合模型中，基于周期、同时采取季节模糊分区的ANN模型预报效果最好，与常规ANN相比，这种混合模型在短期预报中也具有更好的预报精度。
|
