DP - 2014年10月31日，TA - 当前世界环境PG - 894-902 VI - 26 IP - 29 IP - 29 4099 - www.a-i-l-s-a.com/article/560/ 4100 - www.cwwejournal.org/article/560/ ab - 流流程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。