海军航空工程学院学报
海軍航空工程學院學報
해군항공공정학원학보
JOURNAL OF NAVAL AERONAUTICAL ENGINEERING INSTITUTE
2010年
4期
372-376
,共5页
脉冲耦合神经网络%A Trous小波变换%预测%相关分析
脈遲耦閤神經網絡%A Trous小波變換%預測%相關分析
맥충우합신경망락%A Trous소파변환%예측%상관분석
被称为第三代人工神经网络的脉冲耦合神经网络(PCNN)模型,以其耦合机制、脉冲输出两大基本特性广泛应用于图像处理等领域.文章在两大基本特性的基础上对PCNN进行了改进:增加了绝对误差控制公式;连接强度以相关系数来控制,调整阈值设置为最小误差;网络的运行机制与以往的PCNN原理有所不同;将A Trous小波变换与PCNN模型相结合,形成了组合预测模型.将改进后的组合模型用于年降雨量的预测中,以求检验模型的可行性.预测结果表明,基于小波变换的PCNN组合模型用在年降雨量预测中是可行的,并取得良好效果.为进一步深化PCNN的理论、拓宽PCNN的应用领域、解决水文水资源中的预测问题提供了新的思路和方法.
被稱為第三代人工神經網絡的脈遲耦閤神經網絡(PCNN)模型,以其耦閤機製、脈遲輸齣兩大基本特性廣汎應用于圖像處理等領域.文章在兩大基本特性的基礎上對PCNN進行瞭改進:增加瞭絕對誤差控製公式;連接彊度以相關繫數來控製,調整閾值設置為最小誤差;網絡的運行機製與以往的PCNN原理有所不同;將A Trous小波變換與PCNN模型相結閤,形成瞭組閤預測模型.將改進後的組閤模型用于年降雨量的預測中,以求檢驗模型的可行性.預測結果錶明,基于小波變換的PCNN組閤模型用在年降雨量預測中是可行的,併取得良好效果.為進一步深化PCNN的理論、拓寬PCNN的應用領域、解決水文水資源中的預測問題提供瞭新的思路和方法.
피칭위제삼대인공신경망락적맥충우합신경망락(PCNN)모형,이기우합궤제、맥충수출량대기본특성엄범응용우도상처리등영역.문장재량대기본특성적기출상대PCNN진행료개진:증가료절대오차공제공식;련접강도이상관계수래공제,조정역치설치위최소오차;망락적운행궤제여이왕적PCNN원리유소불동;장A Trous소파변환여PCNN모형상결합,형성료조합예측모형.장개진후적조합모형용우년강우량적예측중,이구검험모형적가행성.예측결과표명,기우소파변환적PCNN조합모형용재년강우량예측중시가행적,병취득량호효과.위진일보심화PCNN적이론、탁관PCNN적응용영역、해결수문수자원중적예측문제제공료신적사로화방법.
