论文部分内容阅读
将改进的BP神经网络引入到极其复杂的波浪冲击力预报领域.输入向量为：(周期、波高、相对净空、波浪类型、码头面板相对宽度、反射系数),输出向量为：[P1/3].预测结果表明,训验集与测试集的网络反归一化输出与目标值的相关系数分别达到0.989,0.973,测试集的相对误差低于30％的占测试样本总数的93％.改进的BP神经网络模型可以用于复杂的波浪冲击力预报.