用人工神经网络和模糊逻辑算法预测印度卡尔河径流和产沙
k·d·Gharde1＊, Mahesh Kothari2D. M. Mahale11
1BSKKV博士，农业工程与技术学院，印度达波里。
2SWE，土壤和水工程系，CTAE, MPUAT，乌代普尔，印度。
http://dx.doi.org/10.12944/CWE.11.3.25
在nntool的支持下，在METLAB 2.9b中开发了人工神经网络和模糊逻辑(FL)模型来预测印度卡尔河流域的径流和产沙量。模型的输入是日降雨量、蒸发、温度和一天和两天的滞后径流，用于径流建模。然而，对于产沙模型输入的人工神经网络和模糊逻辑模型用作日降雨量，一天和两天径流。本研究以日为基础，考虑两个模型21年(1991 - 2011)的投入数据。其中14年(1991 - 2004年)用于开发模型，其余7年(2005 - 2011年)用于模型验证。在泥沙产量建模中，使用了7年(2003 - 2009年)的数据来开发和验证模型。采用R、RMSE、EV、CE和MAD等标准统计指标评价模型性能。结果表明，神经网络模型的性能随着输入向量的增加而提高。在人工神经网络模型的开发阶段和验证阶段，模糊逻辑模型的R值均在0.95以上。因此，FL模型在预测卡尔河产沙量方面优于ANN模型。
传递函数;乙状结肠;反向传播;隶属函数;去模糊化
复制以下引用这篇文章:
王志强，王志强，王志强。基于神经网络和模糊逻辑算法的河流产沙预测。水土保持学报。Curr World Environ 2016;11(3)。DOI:http://dx.doi.org/10.12944/CWE.11.3.25
复制以下内容以引用此URL:
王志强，王志强，王志强。基于神经网络和模糊逻辑算法的河流产沙预测。水土保持学报。Curr World Environ 2016;11(3)。可以从://www.a-i-l-s-a.com/?p=16300
［HTML全文］
这个作品是根据知识共享署名4.0国际许可．
