统计与决策
統計與決策
통계여결책
2014年
15期
16~19
,共null页
BP神经网络 双隐含层 Levenberg Marquardt算法 径流水位预测
BP神經網絡 雙隱含層 Levenberg Marquardt算法 徑流水位預測
BP신경망락 쌍은함층 Levenberg Marquardt산법 경류수위예측
为获得更精确的径流水位预测效果,文章提出了基于Levenberg Marquardt(LM)算法的BP双隐含层神经网络模型(BPDHLM)。LM算法是梯度下降法与高斯-牛顿法的结合,能缩短BP网络的收敛时间,改善网络的收敛性能;相对单隐层而言,双隐含层BP网络则能改善网络的性能误差,误差梯度,从而提高模型预测精度并改善网络性能。研究结果表明:该模型预报稳定性好,预报准确率高,为径流-水位时间序列预测提供一个有效建模方法。
為穫得更精確的徑流水位預測效果,文章提齣瞭基于Levenberg Marquardt(LM)算法的BP雙隱含層神經網絡模型(BPDHLM)。LM算法是梯度下降法與高斯-牛頓法的結閤,能縮短BP網絡的收斂時間,改善網絡的收斂性能;相對單隱層而言,雙隱含層BP網絡則能改善網絡的性能誤差,誤差梯度,從而提高模型預測精度併改善網絡性能。研究結果錶明:該模型預報穩定性好,預報準確率高,為徑流-水位時間序列預測提供一箇有效建模方法。
위획득경정학적경류수위예측효과,문장제출료기우Levenberg Marquardt(LM)산법적BP쌍은함층신경망락모형(BPDHLM)。LM산법시제도하강법여고사-우돈법적결합,능축단BP망락적수렴시간,개선망락적수렴성능;상대단은층이언,쌍은함층BP망락칙능개선망락적성능오차,오차제도,종이제고모형예측정도병개선망락성능。연구결과표명:해모형예보은정성호,예보준학솔고,위경류-수위시간서렬예측제공일개유효건모방법。