论文部分内容阅读
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.