摘要
这份报纸论述了由与一个概念的水文学模型一起集成一个模糊聚类模型和神经网络预报框架的新分类即时洪水。一个模糊聚类模型被用来以洪水山峰和流量深度分类历史的洪水，并且概念的水文学模型为洪水的每个班被校准。背繁殖(BP)神经网络被从模糊聚类模型使用即时降雨数据和产量训练。BP神经网络为即时洪水事件提供了一个快速的联机分类。基于联机分类，水文学模型的一个适当参数集合自动地被选择生产即时洪水预报。不同参数集合连续地在因为即时降雨数据和联机分类结果的变化，预报过程的洪水被使用。建议方法论在辽宁省被用于大集水，中国。结果证明分类框架比传统的非分类的方法提供了更精确的预言。而且，在模糊聚类的不同索引重量的效果也被讨论。
出版日期
2010年02月12日（中国期刊网平台首次上网日期，不代表论文的发表时间）
