东北水利水电
東北水利水電
동북수이수전
WATER RESOURCES & HYDROPOWER OF NORTHEAST CHINA
2014年
11期
36-37
,共2页
RBF神经网络%年蒸发量%预报%嫩江大赉站
RBF神經網絡%年蒸髮量%預報%嫩江大賚站
RBF신경망락%년증발량%예보%눈강대뢰참
文章以嫩江大赉站1970-2012年的年蒸发量为例,首先根据AIC准则来确定模型的阶数,进而确定KBF神经网络的输入向量,建立了RBF网络年蒸发量预报模型.结果表明,RBF神经网络模型能很好的预报年蒸发量,同BP网络比,RBF网络预测的稳定性更好,训练速度更快,预测精度更高.RBF年蒸发量预报模型可以有效地弥补物理模型的不足,而且对于不同地区具有普适性.
文章以嫩江大賚站1970-2012年的年蒸髮量為例,首先根據AIC準則來確定模型的階數,進而確定KBF神經網絡的輸入嚮量,建立瞭RBF網絡年蒸髮量預報模型.結果錶明,RBF神經網絡模型能很好的預報年蒸髮量,同BP網絡比,RBF網絡預測的穩定性更好,訓練速度更快,預測精度更高.RBF年蒸髮量預報模型可以有效地瀰補物理模型的不足,而且對于不同地區具有普適性.
문장이눈강대뢰참1970-2012년적년증발량위례,수선근거AIC준칙래학정모형적계수,진이학정KBF신경망락적수입향량,건립료RBF망락년증발량예보모형.결과표명,RBF신경망락모형능흔호적예보년증발량,동BP망락비,RBF망락예측적은정성경호,훈련속도경쾌,예측정도경고.RBF년증발량예보모형가이유효지미보물리모형적불족,이차대우불동지구구유보괄성.