...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Computers & geosciences >Modeling rainfall-runoff process using soft computing techniques
【24h】

Modeling rainfall-runoff process using soft computing techniques

机译：使用软计算技术对降雨-径流过程进行建模

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Rainfall-runoff process was modeled for a small catchment in Turkey, using 4 years (1987-1991) of measurements of independent variables of rainfall and runoff values. The models used in the study were Artificial Neural Networks (ANNs), Adaptive Neuro-Fuzzy Inference System (ANFIS) and Gene Expression Programming (GEP) which are Artificial Intelligence (AI) approaches. The applied models were trained and tested using various combinations of the independent variables. The goodness of fit for the model was evaluated in terms of the coefficient of determination (R~2), root mean square error (RMSE), mean absolute error (MAE), coefficient of efficiency (CE) and scatter index {SI). A comparison was also made between these models and traditional Multi Linear Regression (MLR) model. The study provides evidence that GEP (with RMSE=17.82 1/s, MAE=6.61 1/s, CE=0.72 and R~2=0.978) is capable of modeling rainfall-runoff process and is a viable alternative to other applied artificial intelligence and MLR time-series methods.
机译：土耳其为一个小流域模拟了降雨径流过程，使用了4年（1987年至1991年）的降雨和径流自变量的测量值。研究中使用的模型是人工智能（AI）方法的人工神经网络（ANN），自适应神经模糊推理系统（ANFIS）和基因表达编程（GEP）。使用自变量的各种组合来训练和测试所应用的模型。根据确定系数（R〜2），均方根误差（RMSE），平均绝对误差（MAE），效率系数（CE）和散射指数（SI）评估模型的拟合优度。这些模型与传统的多线性回归（MLR）模型之间也进行了比较。该研究提供证据表明GEP（RMSE = 17.82 1 / s，MAE = 6.61 1 / s，CE = 0.72和R〜2 = 0.978）能够模拟降雨-径流过程，是其他应用人工智能的可行替代方案和MLR时间序列方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号