![](https://csdnimg.cn/release/download_crawler_static/86333123/bg1.jpg)
第 41卷第 4期
41 4
山东大学学报工学版
2011年 8月
2011
收稿日期 2011 0216
基金项目 国家自然科学基金资助项目 51079040十一五 国家科技支撑计划重大项目 20060413水利部 948 项目 201016
作者简介 朱跃龙 1959 男 江苏建湖人 教授 博士生导师 博士 主要研究方向为水信息学 智能信息处理
文章编号 1672 3961201104011906
基于小波神经网络的水文时间序列预测
朱跃龙 李士进 范青松 万定生
河海大学计算机与信息学院 江苏 南京 210 098
摘要复杂时间序列预测是时间序 列分析的主要研究内容之一 已成 为一个具 有重要理论 和实际应 用价值的热 点
研究领域 基于小波和神经网络组合模型 提出一种多因子 小波预 测模 型以提 高水 文时 间序列 的预 测精度 并
根据不同小波函数对水文时间序列数据的 适应性 提出 了一种 基于加 权相关 系数的 小波函 数选择准 则 以国 家
重要水文站淮河王家坝站汛期的日流量时 间序列 预测为 例 对 各种常 用小波 函数进 行了实 验 结果发 现选择 得
到的 小波和 3 小波函数预测精度较高 从而验 证了小 波函数选 取准则 的有效 性 通 过和传 统单序 列
小波神经网络模型比较 发现提出 的多因子小波神经网络模型的预测合格率在不同预见期 均提高了 10以上 并
且对洪水高流量方向预测合格率提高了 15
关键词时间序列预测 小波神经网络 小波选择
中图分类号 911文献标 志码
& 210098
3
10 15
0 引言
时间序列数据挖掘研究主要包括预测分类
相似性搜索及序列模式挖 掘
1
而预测 是科 学决
策规划的重要前提 文献 28基于小波分解对不
同领域的时间序列预测进行研究 但只是利用小波
分解对单一时间序列进行分解 仅仅依靠预测时间
序列自身提供的信息 对提高预测精度具有一定局
限性 通常在物理意义上 一个系统内的多时间序