基于BP神经网络模型的月径流预报

摘要

针对水文系统的高度非线性关系,采用BP神经网络模型,通过经验公式和迭代得到隐藏层个数,使用L-M(Levenberg-Marquardt)算法优化权值,分别建立2-3-1和4-8-1网络拓扑结构的BP_(1)、BP_(2)模型,选取永翠河流域中的带岭(二)站的实测数据进行径流预报。结果表明,BP_(1)模型的拟合度高,预测结果的合格率低,出现此情况的原因可能为数据样本较少,模型陷入局部最优。BP_(2)模型的拟合较前者低,但合格率高,且预测结果可达到精度要求,可作为径流模拟的方法之一,为流域径流模拟提供依据。