基于GA-Elman神经网络的参考作物需水量预测

根据通东灌区多年气象资料以及逐日参考作物需水量数据,构建了以日序数、日照时数、日平均气温等因子为输入向量,以逐日参考作物需水量为输出向量的GA-Elman神经网络参考作物需水量预测模型,通过随机选取方式,采用通东灌区2015年逐日气象资料及参考作物需水量等数据对模型进行了测试,结果表明:构建的GA-Elman模型具有较高的预测性能精度,其相对误差绝对值均值为7.24%,绝大多数处于0%～25%范围内,其中处于0%～10%范围内的占总数81.8%,模型具有较强的实际应用价值。     

基于NARX神经网络的年径流预测

针对传统BP模型在时间系列年径流预测中的适应性问题,本文构建了基于动态反馈性NARX神经网络的年径流预测模型,模型结构带有外部输入的非线性自回归网络,输入向量选取降雨及气温,输出向量为未来的年均流量。本文采用构皮滩站历史实测数据对模型进行训练及测试,对NARX模型与传统BP模型及逐步线性回归模型性能进行了对比分析。