基于混沌优化BP神经网络模型的江河涌潮短期预报方法

摘要

本发明公开了一种基于混沌优化BP神经网络模型的江河涌潮短期预报方法，该方法利用混沌理论，分析原有经验模型中预报潮时的误差序列，是否具有混沌特性，若具有，则利用重构相空间技术构造一个多维的向量，支起一个相空间，再利用该相空间作为BP神经网络的输入结构，最终得出可能的潮时预报误差。本发明的方法将经验模型与非线性预报模型相结合，同时利用混沌理论优化新模型的参数结构，基于到潮时差序列的预测数据精度比现有预测方法的预测精度更高。且该方法不依赖于气象、河床等自然因素，也不依赖丰富的预测经验，只需当地水文站提供潮水的历史记录数据，可用于不同江河的潮水预测。