论文部分内容阅读
针对神经网络模型在进行河道洪水预报中，由于大流量样本少而使洪峰模拟精度不高的问题,在自适应BP模型的基础上，引入一种峰值识别理论，即对峰值样本的网络误差加入合理的误差修正系数，建立一种BPPR算法模型。并将两种算法（BP，BPPR）模型进行了对比，通过实例计算，加入误差修正因子的BPPR算法模型比没有加入误差修正因子的BP算法模型对洪峰峰值的预报精度明显提高，而且总的模型的预报精度也有所提高，这对河道洪水预报在延长其预见期和提高其预报精度方面提供一种新的思路。