發(fā)布時(shí)間：2021-01-11 13:06

　　徑流預(yù)測(cè)是水資源分析的一項(xiàng)重要內(nèi)容,但由于受到氣候變化、地理位置、人類活動(dòng)等因素的影響,徑流的變化錯(cuò)綜復(fù)雜,使徑流預(yù)測(cè)變得相當(dāng)困難。本文基于蘭州站過去31年月徑流的數(shù)據(jù)資料,通過MATLAB軟件編程實(shí)現(xiàn)自適應(yīng)神經(jīng)模糊系統(tǒng)（ANFIS）在月徑流預(yù)測(cè)中的應(yīng)用,并通過兩個(gè)預(yù)先建立的function函數(shù)（包含回歸方程、決定系數(shù)、相關(guān)系數(shù)等）評(píng)價(jià)預(yù)測(cè)結(jié)果。從輸出結(jié)果可以看出:（1）ANFIS在蘭州站月徑流預(yù)測(cè)中整體結(jié)果令人較為滿意,檢驗(yàn)數(shù)據(jù)共60組預(yù)測(cè)結(jié)果,其中有51組誤差百分比低于10%,7組結(jié)果介于10%²0%之間,2組結(jié)果介于20%³0%之間;（2）12個(gè)月預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)（介于0¹之間,值越大相關(guān)性越高）均超過0.8;（3）在回歸方程輸出結(jié)果中,一月、四月、六月結(jié)果與其余九個(gè)月的結(jié)果相比有所差距,其決定系數(shù)（用于判斷回歸方程結(jié)果優(yōu)劣,介于0¹之間,值越大回歸方程結(jié)果越優(yōu)）處于0.4⁰.7之間,余下九個(gè)月份決定系數(shù)均大于0.75。使用ANFIS對(duì)蘭州站月徑流預(yù)測(cè)時(shí),所得到的... 

【文章來源】：昆明理工大學(xué)云南省

【文章頁數(shù)】：86 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

具有兩規(guī)則的一階Sugeno模糊模型

具有五層結(jié)構(gòu)、兩個(gè)輸入的ANFIS示意圖

【參考文獻(xiàn)】：
期刊論文
[1]基于T-S模糊模型的非線性系統(tǒng)廣義預(yù)測(cè)控制[J]. 劉石紅.  工業(yè)儀表與自動(dòng)化裝置. 2016(06)
[2]ANN、ANFIS和AR模型在日徑流時(shí)間序列預(yù)測(cè)中的應(yīng)用比較[J]. 譚喬鳳,王旭,王浩,雷曉輝.  南水北調(diào)與水利科技. 2016(06)
[3]T-S模糊控制綜述與展望[J]. 肖建,趙濤.  西南交通大學(xué)學(xué)報(bào). 2016(03)
[4]小波-ANFIS模型在年最大洪峰預(yù)測(cè)中的應(yīng)用[J]. 唐英敏,閆強(qiáng).  人民黃河. 2015(10)
[5]小波分析方法在水文學(xué)研究中的應(yīng)用現(xiàn)狀及展望[J]. 桑燕芳,王中根,劉昌明.  地理科學(xué)進(jìn)展. 2013(09)
[6]引入灰色弱化緩沖算子的人工神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)方法在年徑流預(yù)測(cè)中的應(yīng)用[J]. 晏欣,鄒進(jìn).  水電能源科學(xué). 2013(07)
[7]多隱層BP神經(jīng)網(wǎng)絡(luò)模型在徑流預(yù)測(cè)中的應(yīng)用[J]. 崔東文.  水文. 2013(01)
[8]自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS）及其仿真[J]. 張小娟.  電子設(shè)計(jì)工程. 2012(05)
[9]最小二乘法、最小一乘法與方差、線性回歸方程[J]. 唐銳光.  數(shù)學(xué)通訊. 2011(14)
[10]基于人工神經(jīng)網(wǎng)絡(luò)的鶯落峽月徑流模擬預(yù)測(cè)[J]. 張勃,王海青,張華.  自然資源學(xué)報(bào). 2009(12)

博士論文
[1]基于計(jì)算智能的時(shí)間序列模型及預(yù)測(cè)研究[D]. 王立柱.大連理工大學(xué) 2015
[2]PSA-ANFIS方法及其在礦山巖土工程災(zāi)害預(yù)測(cè)中的應(yīng)用[D]. 張志軍.中南大學(xué) 2008
[3]模糊智能系統(tǒng)中模糊推理研究[D]. 徐蔚鴻.南京理工大學(xué) 2004
[4]基于人工神經(jīng)網(wǎng)絡(luò)的水文過程模擬研究[D]. 王玲.河海大學(xué) 2002

碩士論文
[1]模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法改進(jìn)及應(yīng)用[D]. 高君.吉林大學(xué) 2017
[2]基于T-S模糊模型的混沌同步方法研究[D]. 施偉豐.南京郵電大學(xué) 2016
[3]T-S模糊控制系統(tǒng)的穩(wěn)定性分析[D]. 何超君.西華大學(xué) 2016
[4]基于人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)與分類的應(yīng)用研究[D]. 牛志娟.中北大學(xué) 2016
[5]中長期徑流的多種組合預(yù)測(cè)方法及其比較[D]. 孫惠子.西北農(nóng)林科技大學(xué) 2012
[6]基于相關(guān)系數(shù)矩陣的網(wǎng)絡(luò)異常行為分析方法研究[D]. 陳郁.華中科技大學(xué) 2009
[7]雅魯藏布江中游段徑流預(yù)測(cè)研究[D]. 戴露.四川大學(xué) 2006
[8]基于人工神經(jīng)網(wǎng)絡(luò)的水文模擬研究[D]. 鞠琴.河海大學(xué) 2005
[9]基于神經(jīng)網(wǎng)絡(luò)的模糊智能系統(tǒng)的研究與實(shí)現(xiàn)[D]. 馬子鵬.西安科技大學(xué) 2005
[10]ANFIS的MATLAB實(shí)現(xiàn)與液壓成型機(jī)模糊溫控系統(tǒng)的研究[D]. 陳新兵.湖南大學(xué) 2005



本文編號(hào)：2970821