摘要：建立了一种基于神经网络的洪水实时预报模型.运用向后演算法,该模型的权重系数可以在每一时间步长上进行自动更新,较好地反映了实际水文过程和参数的时变性;由于该模型不再需要单独的误差序列实时校正模型,因而更加简洁.最后利用淮河鲇鱼山水库1975～1999年的小时降雨和入库洪水资料对模型参数进行了率定和校核.结果表明,洪水实时预报的效率系数超过96 %,洪峰值合格率为92.5 %, 峰现时间误差都在1 h以内.

原文链接:http://www.cqvip.com//QK/95255X/200203/6862171.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）