广西工学院学报
廣西工學院學報
엄서공학원학보
JOURNAL OF GUANGXI UNIVERSITY OF TECHNOLOGY
2013年
3期
78-83
,共6页
柳江径流水位预测%时间序列%BP神经网络
柳江徑流水位預測%時間序列%BP神經網絡
류강경류수위예측%시간서렬%BP신경망락
径流水位预测是进行洪水监测的重要手段,对于包含详尽信息的广西柳江日径流水位时间序列,采用基于BP神经网络模型进行预报可取得较好效果.如LMBPDH模型采用双隐含层BP网络能加强预测模型输入输出的非线性映射能力,采用Levenberg Marquardt (LM)算法对网络进行训练则能缩短BP网络的收敛时间,改善网络的收敛性能,同时采用实验法确定模型的其他参数使模型获取最佳预报性能.在对柳江近10年日平均水位的预测中,将LMBPDH模型与单隐含层BP神经网络、LM算法以及带适应学习率和动量因子的梯度递减法算法等组合构成的BP神经网络模型,以及遗传算法进化的神经网络模型比较,LMBPDH模型预报稳定性、预报准确率最佳.
徑流水位預測是進行洪水鑑測的重要手段,對于包含詳儘信息的廣西柳江日徑流水位時間序列,採用基于BP神經網絡模型進行預報可取得較好效果.如LMBPDH模型採用雙隱含層BP網絡能加彊預測模型輸入輸齣的非線性映射能力,採用Levenberg Marquardt (LM)算法對網絡進行訓練則能縮短BP網絡的收斂時間,改善網絡的收斂性能,同時採用實驗法確定模型的其他參數使模型穫取最佳預報性能.在對柳江近10年日平均水位的預測中,將LMBPDH模型與單隱含層BP神經網絡、LM算法以及帶適應學習率和動量因子的梯度遞減法算法等組閤構成的BP神經網絡模型,以及遺傳算法進化的神經網絡模型比較,LMBPDH模型預報穩定性、預報準確率最佳.
경류수위예측시진행홍수감측적중요수단,대우포함상진신식적엄서류강일경류수위시간서렬,채용기우BP신경망락모형진행예보가취득교호효과.여LMBPDH모형채용쌍은함층BP망락능가강예측모형수입수출적비선성영사능력,채용Levenberg Marquardt (LM)산법대망락진행훈련칙능축단BP망락적수렴시간,개선망락적수렴성능,동시채용실험법학정모형적기타삼수사모형획취최가예보성능.재대류강근10년일평균수위적예측중,장LMBPDH모형여단은함층BP신경망락、LM산법이급대괄응학습솔화동량인자적제도체감법산법등조합구성적BP신경망락모형,이급유전산법진화적신경망락모형비교,LMBPDH모형예보은정성、예보준학솔최가.
