刘晓伟1,2，哈明虎1*，雷晓辉1,3，张 召3，王 超4
（1.河北工程大学水利水电学院，河北 邯郸 056038；2.河北省智慧水利重点实验室，河北 邯郸 056038；3.中国水利水电科学研究院，北京 100038；4.河北工程大学信息与电气工程学院，河北 邯郸 056038 ）
摘要：基于超参数自动率定的gra-narx（grey relation analysis-nonlinear autoregressive model with exogenous inputs）模型是gra-narx模型的一种有效改进。以南水北调东线一期工程洪泽泵站为例，使用基于超参数自动率定的gra-narx模型，针对1h和2h时间间隔的输入数据，分别预测3个短预见期（2h、4h、6h）和1个长预见期（12h）的泵站站前水位，并与gra-bp（grey relation analysis-back propagation）模型的预测结果进行比较。结果表明：不同预见期（2h、4h、6h、12h）下，基于超参数自动率定的gra-narx模型相关系数、均方根误差、平均绝对误差，均相差不大，预测精度高，且皆优于gra-bp模型；采用1h时间间隔的输入数据预测结果优于2h时间间隔的输入数据结果。研究成果可为不同预见期泵站站前水位预测提供理论参考。
关键词：超参数自动率定；gra-narx神经网络；gra-bp神经网络；水位预测；不同预见期