为进一步改善长期多因子径流模拟效果,提出了基于马尔科夫链修正的PSO和Elman耦合的径流模拟模型.该模型采用PSO算法优化Elman模型的参数,然后将优化后的参数值分配给Elman模型作为网络训练的参数,再运用马尔科夫链对初始预测值进行修正,得到最终预测值.将提出的模型应用于松花江支流呼兰河兰西水文站的年径流深模拟预测中,并与传统Elman模型、简单线性回归模型、PSO-Elman模型进行对比.结果表明:优化参数后的模型预测效果优于传统神经网络模型和简单线性回归模型,PSO-Elman模型较传统Elman模型平均相对误差和均方根误差减少了49.1％,30.2％,确定性系数由0.32提升至0.67;较简单线性回归模型平均相对误差和均方根误差减少了61.2％,37.7％,确定性系数由0.14提升至0.67;经马尔科夫链模型残差修正后,PSO-Elman组合预测模型平均相对误差和均方根误差减少了57.7％,52.2％,确定性系数由0.67提升至0.92.提出的模型不但精度有显著提高,且计算过程简便,是一种有较强应用价值的年径流预报模型.

径流预测;Elman神经网络;粒子群算法;PSO-Elman模型;马尔科夫链;呼兰河

华北水利水电大学 水资源学院,河南 郑州 450046;河南省鹤壁水文水资源勘测局,河南 鹤壁458030

[1]王文川;王莉芳;郭安强-.基于PSO-Elman修正模型的年径流预测)[J].人民长江,2022(11):66-71

PSO,Elman,修正模型,年径流,径流预测,多因子,径流模拟,马尔科夫链修正,模拟模型,算法优化,参数值,配给,网络训练,模型应用,松花江,支流,呼兰河,兰西,西水,水文站,径流深,模拟预测,简单线性回归模型,优化参数,模型平均,平均相对误差,确定性系数,马尔科夫链模型,残差修正,组合预测模型,径流预报,预报模型,粒子群算法

0.278088