欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
中文摘要：
中长期径流具有非线性时变特点，带有高度的复杂性和不确定性，使用单一算法或模型的预报结果往往不令人满意。因此，本文首先利用GFS降雨预报信息并采用多元线性回归、BP神经网络、季节白回归和新安江模型对浑江桓仁水库流域进行旬径流预报；然后使用自适应联邦滤波算法对四个模型的预报信息进行融合、校正；最后应用结果表明，多模型信息融合能够增强预报的稳定性并提高预报精度，为中长期径流预报方法提供了一定的参考。
英文摘要：
This paper presents a concept of fusion information collected from different rainfall-runoff models to produce medium and long-term hydrological forecasts. The objective of data fusion is to enhance forecasting stability and accuracy. We describe a framework of adaptive federated filter algorithm based on the Kalman filtering algorithm, and four models for fusion data collection, i.e. multiple linear regression （MLR） , BP neural network （BP）, seasonal autoregressive （SAR） and Xinanjiang model （XAJ）. The fusion model was validated by simulation and the results suggest that it is a useful model for medium and long-term hydrological forecasting.
同期刊论文项目
同项目期刊论文
期刊信息
位置：