《表2 EEMD-BP神经网络模型结构与参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《联合EEMD与BP神经网络的灌区水源情势预测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

一般而言，同条河流同一站点的径流及泥沙序列自相关性较强，除此之外，含沙量同时与径流量也有较强的相依关系，即所谓“水大沙大”。研究基于上述EEMD-BP时间序列预测模型，对历史数据系列进行EEMD分解，再输入BP神经网络对分解序列进行预测，然后重构，对模型反复训练，最终将EEMD-BP神经网络与BP神经网络预测值进行对比，结果见图3。EEMD-BP神经网络模型结构和主要参数见表2。由图3可以直观看出，联合EEMD的BP神经网络与实测值拟合效果比BP神经网络拟合效果好，能够较为准确地反映真实值。