水利水电技术
水利水電技術
수이수전기술
WATER RESOURCES AND HYDROPOWER ENGINEERING
2013年
6期
14-16
,共3页
曹炎煦%梁忠民%黄清烜%霍世清%许珂艳%常文娟
曹炎煦%樑忠民%黃清烜%霍世清%許珂豔%常文娟
조염후%량충민%황청훤%곽세청%허가염%상문연
贝叶斯模型%含沙量过程预报%概率预报%正态分位数转换
貝葉斯模型%含沙量過程預報%概率預報%正態分位數轉換
패협사모형%함사량과정예보%개솔예보%정태분위수전환
Bayesian model%sediment concentration hydrograph forecasting%probabilistic forecasting%transformation of normally-distributed variables
以黄河流域吴堡站到龙门站为研究区域,建立龙门站含沙量过程的线性动态和BP神经网络两种统计模型,并结合BMA方法给出两种模型的综合预报结果.结果表明,在线性动态模型和BP神经网络模型的基础上,采用BMA方法进行含沙量预报模型的合成预报不仅可以提高预报精度,而且可以提供概率预报值.
以黃河流域吳堡站到龍門站為研究區域,建立龍門站含沙量過程的線性動態和BP神經網絡兩種統計模型,併結閤BMA方法給齣兩種模型的綜閤預報結果.結果錶明,在線性動態模型和BP神經網絡模型的基礎上,採用BMA方法進行含沙量預報模型的閤成預報不僅可以提高預報精度,而且可以提供概率預報值.
이황하류역오보참도룡문참위연구구역,건립룡문참함사량과정적선성동태화BP신경망락량충통계모형,병결합BMA방법급출량충모형적종합예보결과.결과표명,재선성동태모형화BP신경망락모형적기출상,채용BMA방법진행함사량예보모형적합성예보불부가이제고예보정도,이차가이제공개솔예보치.