利用互补系统-理论模型提高水文预报能力(英文)

作     者：Martins Y.Otache 李致家 Martins Y.Otache;Li Zhijia

作者机构：河海大学水文水资源与水利工程科学国家重点实验室南京210098 

出 版 物：《Journal of Southeast University(English Edition)》 (东南大学学报（英文版）)

年 卷 期：2006年第22卷第2期

页      面：273-280页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081501[工学-水文学及水资源] 0815[工学-水利工程] 0805[工学-材料科学与工程（可授工学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：Acknowledgement The authors are pleased to acknowledge the support of A. P. Hapuarachchi in putting together the data used here for analysis and more importantly too  his incisive and instructive comments 

主　　题：水文预报 互补模型 残差 新安江概念模型 人工神经网络 

摘      要：由于水文模型是对物理过程的简化,用以描述事物最主要的物理过程,从而数学模型受许多不确定因素的影响.因此,提出了一种耦合了人工神经网络(ANN)和新安江概念模型以提高径流预报精度的方法.该方法用最新的观测资料和新安江模型中产生的径流剩余误差/流量预报结果,其工作原理为用神经网络模型预报新安江模型误差,并作为新数据引入,使径流预报得到改进.对互补的神经网络模型而言,使用的变量要以特定格式输入以符合新安江模型的要求.结果表明,与单独用新安江模型预报相比,互补模型的洪水预报精度有明显提高.