论文部分内容阅读
考虑流量系统的非线性的性质，并且联合汽车回归方法和多回归方法，一个非线性的混合回归模型(NMR ) 被建立在年度河流量上分析温度和降水变化的影响进程。模型被使用 BP 校准并且验证神经网络与观察气象学并且来自在 19562000 的 Hebei 省的 Chaohe 河里的 Daiying 水文学车站的流量数据。与汽车回归模型，线性多回归模型和线性混合回归模型相比， NMR 能改善显著地预报精确。因此，气候变化情形的模拟被 NMR 执行。结果证明非线性的混合回归模型能模仿年度河流量很好。