长江科学院院报
長江科學院院報
장강과학원원보
JOURNAL OF YANGTZE RIVER SCIENTIFIC RESEARCH INSTITUTE
2007年
4期
31-33
,共3页
神经网络%遗传算法%径流预报
神經網絡%遺傳算法%徑流預報
신경망락%유전산법%경류예보
根据流域径流预报的特点,针对神经网络原有固定结构学习方法的缺陷,通过对人工神经网络、遗传算法进行组合利用和加以改进,建立了混合遗传神经网络模型,并对其神经网络的结构和权值阈值同时进行了优化.然后以某灌区径流预报为例,分别利用BP(back propagation)算法、本文方法进行仿真试验,验证方案的可行性和有效性,结果表明本文算法既克服了神经网络结构选取的盲目性,给出了优秀的初始权值,又克服了遗传算法耗时的缺点,最终达到了提高网络收敛性能和收敛速度的目的.
根據流域徑流預報的特點,針對神經網絡原有固定結構學習方法的缺陷,通過對人工神經網絡、遺傳算法進行組閤利用和加以改進,建立瞭混閤遺傳神經網絡模型,併對其神經網絡的結構和權值閾值同時進行瞭優化.然後以某灌區徑流預報為例,分彆利用BP(back propagation)算法、本文方法進行倣真試驗,驗證方案的可行性和有效性,結果錶明本文算法既剋服瞭神經網絡結構選取的盲目性,給齣瞭優秀的初始權值,又剋服瞭遺傳算法耗時的缺點,最終達到瞭提高網絡收斂性能和收斂速度的目的.
근거류역경류예보적특점,침대신경망락원유고정결구학습방법적결함,통과대인공신경망락、유전산법진행조합이용화가이개진,건립료혼합유전신경망락모형,병대기신경망락적결구화권치역치동시진행료우화.연후이모관구경류예보위례,분별이용BP(back propagation)산법、본문방법진행방진시험,험증방안적가행성화유효성,결과표명본문산법기극복료신경망락결구선취적맹목성,급출료우수적초시권치,우극복료유전산법모시적결점,최종체도료제고망락수렴성능화수렴속도적목적.
