计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2009年
4期
113-115,157
,共4页
水位预测%洪泽湖%神经网络%粒子群
水位預測%洪澤湖%神經網絡%粒子群
수위예측%홍택호%신경망락%입자군
水位预测是进行洪水监测的规则非线性函数关系,不易使用某个函数进行逼近.采用了BP神经网络对历年的水文信息进行学习、建模,实现了对这种不规则函数的拟合,并支持在线学习及适时调整.另外,使用改进的粒子群优化算法(PSO)对常规的BP网络进行训练.实验结果表明使用由改进的粒子群优化算法进行训练的BP神经网络进行的水位预测的精度有显著提高,并且在训练过程中尽可能地避免收敛于局部最优值.
水位預測是進行洪水鑑測的規則非線性函數關繫,不易使用某箇函數進行逼近.採用瞭BP神經網絡對歷年的水文信息進行學習、建模,實現瞭對這種不規則函數的擬閤,併支持在線學習及適時調整.另外,使用改進的粒子群優化算法(PSO)對常規的BP網絡進行訓練.實驗結果錶明使用由改進的粒子群優化算法進行訓練的BP神經網絡進行的水位預測的精度有顯著提高,併且在訓練過程中儘可能地避免收斂于跼部最優值.
수위예측시진행홍수감측적규칙비선성함수관계,불역사용모개함수진행핍근.채용료BP신경망락대력년적수문신식진행학습、건모,실현료대저충불규칙함수적의합,병지지재선학습급괄시조정.령외,사용개진적입자군우화산법(PSO)대상규적BP망락진행훈련.실험결과표명사용유개진적입자군우화산법진행훈련적BP신경망락진행적수위예측적정도유현저제고,병차재훈련과정중진가능지피면수렴우국부최우치.
