基于改进的神经网络与支持向量机的小流域日径流量预测研究

来源：水资源与水工程学报杂志2016年第5期北京时间：

作者：马乐宽，邱瑀，赵越，李雪，王玉秋

单位：（1.环境保护部环境规划院,2.南开大学环境科学与工程学院,3.天津师范大学水资源与水环境重点实验室

摘要：数据驱动水文模型可以在不考虑复杂物理过程的情况下，实现对数据种类较少的小流域日径流量的准确预测。本研究基于安徽省黄山市月潭水文监测站点2009-2012年的日径流量监测数据，分别构建粒子群寻优算法改进的神经网络（PSO-BPNN）以及支持向量机（PSO-SVM）模型。通过进行不同形式的模型结果比较发现，两类模型均有较好的拟合能力及泛化能力，其中基于三日流量数据的（PSO-SVM）模型具有最优模拟结果，可以考虑用于月潭流域日径流量的预测，实现流域内水资源的合理配置以及相关灾害的预防。

关键词：日径流量,神经网络,支持向量机,粒子群寻优,日径流量预测

基金资助：天津师范大学博士基金项目（52XB1517）