資源描述：
《ann、anfis和ar模型在日徑流時(shí)間序列預(yù)測(cè)中的應(yīng)用比較》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、ANN、ANFIS和AR模型在日徑流時(shí)間序列預(yù)測(cè)中的應(yīng)用比較 摘要：水文預(yù)測(cè)是水文學(xué)為經(jīng)濟(jì)和社會(huì)服務(wù)的重要方面。其預(yù)報(bào)結(jié)果不僅能為水庫(kù)優(yōu)化調(diào)度提供決策支持，而且對(duì)水電系統(tǒng)的經(jīng)濟(jì)運(yùn)行、航運(yùn)以及防洪等方面具有重大意義。自回歸模型（AR模型）、人工神經(jīng)網(wǎng)絡(luò)（ANN）和自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS）在日徑流時(shí)間序列中應(yīng)用廣泛。將這三種模型應(yīng)用于桐子林的日徑流時(shí)間序列預(yù)測(cè)中，不僅采用納什系數(shù)（NS系數(shù)）、均方根誤差（RMSE）和平均相對(duì)誤差（MARE）為評(píng)價(jià)指標(biāo)，對(duì)三種模型的綜合性能進(jìn)行了比較。而且，在對(duì)三種模型預(yù)測(cè)結(jié)果的平均相對(duì)誤差的閾值統(tǒng)計(jì)基礎(chǔ)上，分析了三種模
2、型的預(yù)測(cè)誤差分布。同時(shí)，通過研究模型性能指標(biāo)隨預(yù)見期的變化過程評(píng)價(jià)了三種模型不同預(yù)見期下的預(yù)測(cè)能力。結(jié)果表明ANFIS相對(duì)于ANN和AR模型不僅具有更好的模擬能力、泛化能力，而且在相同的預(yù)見期下具有更優(yōu)的模型性能，可以作為日徑流時(shí)間序列預(yù)測(cè)的推薦模型。 關(guān)鍵詞：自回歸模型；人工神經(jīng)網(wǎng)絡(luò)；自適應(yīng)神經(jīng)模糊推理系統(tǒng)；日徑流時(shí)間序列預(yù)測(cè) 中圖分類號(hào)：P338文獻(xiàn)標(biāo)志碼：A文章編號(hào)：16721683（2016）06001206 ComparativestudyofANN，ANFISandARmodelfordailyrunofftimeseriespredictio
3、n9 TANQiaofeng1，WANGXu2，WANGHao2，LEIXiaohui2 （1.CollegeofWaterResourceandHydropower，SichuanUniversity，Chengdu610065，China； 2.ChinaInstituteofHydropowerandWaterResourcesResearch，Beijing100038，China） Abstract：Hydrologicalpredictionisanimportantaspectofhydrology′sserviceforeconomica
4、ndsociety.Thepredictionresultnotonlyprovidesdecisionsupportforreservoirgenerationoperation，butalsoisofgreatsignificancetotheeconomicaloperationofhydropowersystems，navigation，floodcontrolandsoon.Theautoregressivemodel（ARmodel），artificialneuralnetwork（ANN）andadaptiveneuralfuzzyinferenc
5、esystem（ANFIS）havebeenwidelyappliedinthedailyrunofftimeseriesprediction.Inthispaper，thesethreemodelswereappliedindailyrunoffpredictionatTongzilinstation.NashSutcliffeefficiencycoefficient（NScoefficient），rootmeansquareerror（RMSE）andmeanabsoluterelativeerror（MARE）wereusedtoevaluatethep
6、erformancesofthreemodels.Thresholdstatisticsindexwasusedtoanalyzepredictionerrordistributionofthreemodels.Atthesametime，thepredictionabilityofthreemodelswasstudiedbygraduallyincreasingthepredictionperiod.TheresultsshowedthatANFIShadnotonlybettersimulationabilityandgeneralizationabili
7、ty，but9alsobettermodelperformanceinthesamepredictionperiodcomparedtoANNandARmodel.Asaresult，ANFIScanbearecommendedpredictionmodelfordailyrunofftimeseries. Keywords：autoregressivemodel；artificialneuralnetwork；adaptiveneuralfuzzyinferencesystem；dailyrunoffprediction 水文預(yù)測(cè)是防汛、抗旱和水資源利用等
8、重大決策的重要依據(jù)，歷來
