BP神经网络和小波分析在年降水预报中的应用研究

来源：

发布时间：2012/9/12

【作者：熊海晶，王式成，王栋】

摘要：江苏省地处江淮流域，是受旱涝灾害影响最为严重的地区之一。在该地区开展降水预报的研究，对防汛抗旱具有重要意义。本文采用江苏省徐州站、赣榆站、东台站和南京站的降水数据，建立了BP神经网络和小波神经网络降水预报模型。通过实例分析得出：1) BP网络模型预报的最小相对误差为1.16%，最大相对误差为16.35%，最优确定性系数0.87，均方误差4.27%；2) WNN网络模型预报的最小相对误差为0.7%，最大相对误差为88.65%，最优确定性系数0.94，均方误差4.2%。结果表明：1) BP神经网络模型预报降水具有可行性，该模型能在一定程度上反映降水变化的趋势；2) WNN模型在某些年份预报误差较大，可在实践中将多种预报方法相互验证，相互校核，提高预报精度。

关键词：BP神经网络；小波神经网络；年降水量；降水预报

年降水量作为水资源管理、洪涝灾害预报以及水文情势预报分析的重要参数，决定了一个地区的天然水资源丰富程度。水资源是基础性的自然资源和战略性的经济资源。因此，准确地预报降水，一方面可为开发利用水资源提供科学依据，另一方面又可为防汛抗旱提供合理参考。

20世纪80年代以前，国内外对降水预报的研究多以实测数据的统计分析为基础。然而，经济社会的快速发展导致人类活动对自然系统的影响逐渐加大，气象因素更加错综复杂，降水的影响因子逐渐增多，导致降水系统的复杂性增强，从而使得建立降水预报模型的难度增加，进而加大了降水预报研究工作的难度。

1986年美国物理学会召开国际神经网络学术会议之后，各国掀起了运用神经网络解决各类科学技术问题的热潮。神经网络理论在神经科学研究的基础上，综合了计算机学、物理学、数学、信息学、生物学等学科，具有大规模并行处理、容错性和适应性等特点。

20世纪80年代初Morlet提出小波分析理论^[1]，小波分析理论是数学中的“显微镜”，具有良好的时、频多分辨能力。1992年，Zhang Qinghua等提出了小波神经网络(WNN）的概念

上一篇：基于红线管理下的水资源论证报告的编制

下一篇：红线约束下的淮河流域水资源利用现状与未...

水利部淮河水利委员会 - 淮委水文局 - 长江水利委员会 - 河南水利 - 安徽省水利厅 - 通信总站 - 水利部