基于预报因子聚类分级的日径流预报深度信念模型及应用

作者：初海波; 魏加华; 王东方; 李家叶; 黄跃飞...预测因子分级fcm聚类深度信念网络径流预报龙羊峡水库

摘要：径流预报是水库运行调度的重要决策依据,提高入库径流预报精度,对水库优化调度和水资源高效利用具有重要意义.本文提出一种基于大样本数据分级策略的深度信念网络模型（Deep Belief Networks,DBN）,以龙羊峡入库径流预报为例,采用Fuzzy C-means（FCM）聚类方法,将总样本训练集分为不同训练样本子集;不同样本子集下,对不同预报因子（只考虑降雨、考虑不同时期的降雨及同时考虑降雨及前期径流）,分别建立DBN模型和人工神经网络模型（Artificial Neural Network,ANN）,分析样本分级和考虑不同因子情况下不同模型的预报结果.结果表明：与不考虑预报因子分级的预报模型相比,基于时间序列聚类的预报模型显著提高了径流预报的精度;通过FCM聚类,将样本分为3类,考虑降雨及前期径流作为预报因子进行分级时,比只考虑降雨、考虑不同时期的降雨时建立的预报模型的预测精度更高.用该模型进行龙羊峡水库入流日径流预报,提高了预报精度,可为龙羊峡水库调度提供决策支持.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社