典型文献
结合季节调整和NAR神经网络的流域地下水储量预测
文献摘要：
利用重力场恢复与气候实验卫星反演的陆地水储量和全球陆地数据同化系统(global land data assimi-lation system,GLDAS)水文模型,从流域降雨分布信息出发,结合季节调整技术和非线性自回归(non-linear autoregressive,NAR)神经网络对流域地下水储量变化进行预测,并与未经过季节调整的NAR神经网络、自回归(autoregressive,AR)模型以及季节性自回归差分移动平均(seasonal autoregressive integrated moving aver-age,SARIMA)模型进行对比分析.以长江流域、勒拿河流域、鄂毕河流域以及叶尼塞河流域为例,结果表明,经过季节调整后的流域降雨和地下水分别服从独立分布和一阶自回归模型,为NAR神经网络时延数的确定提供了新的途径.经过季节调整后的NAR神经网络的预测结果在4个流域的模型表现优于传统的AR模型和SARIMA模型,均方根误差在1 cm以内,相关系数超过0.96.结合季节调整和NAR神经网络提高了流域地下水储量预测精度,减少了训练参数,加快了神经网络的收敛速度.
文献关键词：
季节调整;地下水储量;非线性自回归神经网络;自回归模型
中图分类号：
作者姓名：
王杰龙;杨玲;陈义;沈云中
作者机构：
同济大学测绘与地理信息学院,上海,200092
文献出处：
引用格式：
[1]王杰龙;杨玲;陈义;沈云中-.结合季节调整和NAR神经网络的流域地下水储量预测)[J].武汉大学学报（信息科学版）,2022(10):1796-1804
A类：
重力场恢复与气候实验,assimi
B类：
季节调整,NAR,储量预测,陆地水储量,数据同化,global,land,data,lation,system,GLDAS,水文模型,分布信息,linear,autoregressive,地下水储量变化,过季,移动平均,seasonal,integrated,moving,aver,age,SARIMA,长江流域,勒拿河,鄂毕河,叶尼塞河,服从,自回归模型,网络时延,收敛速度,非线性自回归神经网络
AB值：
0.278665
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
