基于CEEMD-BP模型的水文时间序列月径流预测

摘要

水文时间序列月径流预测在水资源的规划与管理方面具有重要的作用,由于径流序列的非线性和非平稳性,对其准确地进行预测较为困难.本文基于1956—2013年青海湟水河流域月径流序列,将完备的集合经验模态分解方法(complete ensemble empirical mode decomposition, CEEMD)与BP神经网络组合进行月径流预测.结果表明:组合模型CEEMD-BP和EEMD-BP相比于单一的BP神经网络,可以更好地保留原始数据的信息,预测效果更好,其中CEEMD-BP在组合模型中的预测精度更高,可用于水文时间序列月径流预测.

关键词

径流预测 / EEMD-BP模型 / CEEMD-BP模型 / BP神经网络