基于BP神经网络的概率径流预测模型

摘要

本文采用多元线性回归模型模拟贝叶斯分析的先验分布和似然函数,并结合反向传播神经网络(Back Propagation Neural Network)建立基于BP神经网络的贝叶斯概率径流预测模型,将模型应用于石羊河出山口六河水系的年径流预测中。为降低BP神经网络的"黑箱"特性对预测精度的影响,在实例应用中结合了区域的水文特性对数据进行预处理,结果表明该方法有效的提高了模型的预测精度;同时相对于确定性水文预测方法而言,贝叶斯概率水文预报定量地、以分布函数形式描述水文预报的不确定度,能向用户提供更多、更全面的信息,为决策提供更有价值的技术支持。