基于神经网络的年径流量预测

摘要

本文旨在讨论如何用人工神经网络(ANN)的方法预测河川年径流量,采纳一种新型的神经网络——通用学习网络(Universal Learning Network,ULN).该网络所有节点互连,而且每两个节点之间是带有任意时间延迟的多重连接.以黄河年径流量预测为例,仿真表明,通过学习,ULN可成功地记忆年径流量的样本信息,建立非线性的年径流模型.通过与传统的卡尔曼滤波算法预测比较,ULN对年径流量的预测达到了较高的精度.