月流程预测的不确定性分析
Majid Dehghan.1*，Bahram Saghafian1，Firoozeh Rivaz.1和ahmad khodadadi3.
1技术与工程系，伊斯兰亚萨德大学，德黑兰，伊朗伊斯兰教大学科学和研究分公司。
2伊朗德黑兰数学系，伊朗德黑兰。
http://dx.doi.org/10.12944/cwe.9.3.40
流流量预测是水资源规划与管理的重要因素。在本研究中，前向前人工神经网络（FFANN）用于每月流流程预测。考虑了三种情况进行建模。主成分分析（PCA）用于降低模型架构复杂性和输入数据减少。二十次统计标准用于评估模型性能。还用于量化预测的准确性，使用蒙特卡罗模拟进行不确定性分析。结果表明，该模型一般能够令人满意地预测每月流流时间序列。然而，模型在极端值下低估。此外，不确定分析表明，在第三种情况下，在前两个方案中正确地预测了每月流流时间序列的型号，而大多数预测值都会摆脱上置信区间。
streaflow;PCA，ANN;不确定
复制以下内容以引用本文：
Dehghan M，Saghafian B，Rivaz F，Khodadadi A.月度流流量预测的不确定性分析。Curr World Environ 2014; 9（3）DOI：http://dx.doi.org/10.12944/cwe.9.3.40
复制以下内容以引用此URL：
Dehghan M，Saghafian B，Rivaz F，Khodadadi A.月度流流量预测的不确定性分析。Curr World Environ 2014; 9（3）。可从：//www.a-i-l-s-a.com/?p=7385.
[HTML全文]
这项工作是在授权下获得的Creative Commons attage 4.0国际许可证。
