基于集合经验模态分解与Elman神经网络的明渠流量模拟

摘要

cqvip:为提高堰闸流量控制系统的有效性,本文基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)与Elman神经网络建模,提出一种新的流量预测方法。以新疆库塔干渠东干渠为例,分别对堰闸流量及其控制因子进行EEMD分解,对各尺度下的时间序列建立EEMD-Elman预测模型。结果表明:应用EEMD-Elman神经网络建立流量预测模型,模型预测值与实测值的平均绝对误差为0.079m^3/s,相关决定系数为0.996,标准误差为1.104,模型预测结果与实测值呈极显著性相关。研究结果可为水情自动控制系统的控制目标优化提供有效参考。