BP神经网络与NAM模型在西营流域的比较研究

BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络,具有自学习、自组织与自适应性强的特点,已被广泛应用于水文预报领域中,属于利用算法学习并不断逼近预测值的预报模型;NAM模型是一种基于水文循环的物理结构以及经验性的公式来进行降雨产汇流计算的模型,属于典型的确定性、集总式、概念性模型。该文分别采用NAM模型和BP神经网络模型对西营水库入库径流进行模拟预报。结果表明:由于西营流域降雨较为稀少,依靠降雨数据驱动的NAM模型在西营流域适用性较差,不符合水文预报的精度要求。而采用降雨与径流数据作为预报因子的BP神经网络模型模拟精度较高,合格率可达90%以上。