基于改进BP网络的日径流预报模型研究

针对常规BP算法收敛速度慢和难以获得全局最优的不足,将网络误差函数的改变量引入权值和偏移值的调整,采用自适应学习速率和自适应动量因子调整策略,建立了基于多层感知器神经网络(MLP—ANN)的水文预报模型。采用自相关函数(ACF)和交叉相关函数(CCF)确定网络输入因子并使用试错法优化网络结构。以湖南省双牌水库日入库流量预测为应用实例,并将模拟结果与常规BP网络模型和新安江模型进行对比分析。结果表明,改进模型收敛速度快、预报精度高。