改进NLPM-ANN模型在径流预报中的应用

基于人工神经网络的非线性扰动模型(NLPM-ANN)充分利用了LPM的季节信息处理方法和ANN强大的非线性模拟性能.然而该模型没有考虑流域的前期土壤湿度状态,影响了模型的模拟预报精度.为了将流域的前期土湿加入模型,同时能更加充分利用降水信息,采取一种将LPM与ANN结合起来的联合预报模式.选用8个流域的降雨径流资料,对改进的NLPM-ANN模型与SLM-ANN和NLPM-ANN模型进行比较研究.计算结果表明,改进的NLPM-ANN模型优于SLM-ANN模型和NLPM-ANN,在率定期和检验期的模型效率相对增值指数较NLPM-ANN提高10%左右.