赖金燕 黄建儒
【摘 要】小波分析是傅里叶分析发展史上的里程碑式进展,具有同时揭示信号在时域和频域局部变化特征的能力,被誉为数学的“显微镜”。本文将小波分析与BP网络有机结合,提出一种小波神经网络工具箱预测水文序列的新方法,对水文时间序列进行趋势预测,并与传统的BP和RBF网络预测结果比较,实验表明小波网络工具箱预测模型对数据具有很强的适应能力,预测精确,潜在优势明显。
【关键词】水文时间序列;小波神经网络工具箱;BP网络;RBF网络;预测
中图分类号: P333.6 文献标识码: A 文章编号: 2095-2457(2018)16-0164-002
DOI:10.19694/j.cnki.issn2095-2457.2018.16.074
【Abstract】Wavelet analysis is a milestone in the development history of Fourier analysis. It has the ability to reveal the characteristics of local changes of signals in time domain and frequency domain simultaneously. In this paper, the organic combination of wavelet analysis and BP network, a wavelet neural network toolbox to predict new methods of hydrological time series is proposed, trend projections for hydrological time series, and compared with the traditional BP and RBF network forecast results, the experiments show that wavelet neural network toolbox prediction model has a strong ability to adapt to data, forecasting precision, potential advantage is obvious.
【Key words】Hydrological time series; Wavelet neural network toolbox; BP network; RBF network; Prediction
0 引言
水文時间序列分析在随机水文学上占有重要地位,在实际应用过程中水文序列的分析结果常常受到诸多因素的干扰,仅仅依靠水文时间序列自身提供的信息,对提高预测精度会造成一定的局限性。因此,在存在大量时间序列数据的水文数据库中,发现水文时间序列中蕴藏的规律,有利于掌握水文数据变化规律和趋势,在水资源管理和水文预报方面有重要现实意义。本文提出一种小波神经网络工具箱预测水文时间序列的方法,并与BP网络、RBF网络预测模型进行比较研究,给出结论。
1 小波神经网络
小波神经网络(Wavelet Neural Network,WNN)是小波分析方法和神经网络有机结合的产物,近年来受到广泛关注和应用。
上式可以用一个含一个隐层的神经网络实现,通过对权值、aj、bj、等小波网络参数的调整逼近函数,采样负梯度下降法训练神经网络。其中wij、wjk为输入层/隐层、隐层/输出层之间的连接权。……