神经网络及遗传算法在径流预报中的应用

来源 :计算机仿真 | 被引量 : 9次 | 上传用户:p348892993
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出用遗传算法和BP算法相结合的改进神经网络模型来进行径流预报。即先通过遗传算法对初始权值分布进行优化 ,在解空间定位出一个较好的搜索空间 ,然后采用BP算法 ,在这个较小的解空间中搜索出最优解。使网络收敛速度加快和避免局部极小。作为实例 ,以清江鸭子口的实测径流资料为样本进行训练并用以预测该水文站的日径流量。结果表明 ,该方法具有收敛速度快和预测精度高的特点
其他文献
若一般的控制系统产生非线性故障时 ,此系统可能会出现混沌运动。对高维系统的测量得到的通常只是一维时间序列。该文利用RBF神经元网络和相空间重构理论 ,由测量所得的实验数据序列计算系统的Lyapunov指数谱。RBF网络的中心的选取采用自组织学习算法。对Henon映射的仿真结果说明 ,此种方法的正确性以及计算所需样本点较少 ,计算速度快 ,精度较高。对飞行仿真转台的具体实验数据的仿真结果表明 ,此方
软土地区基坑开挖具有明显的时空效应,且极易出现土体变形量过大的情况,进而对周围环境造成不利影响。针对广州某淤泥质地层基坑,采用流固耦合数值模拟的方法对软土地区基坑
西方姓名译名的自动识别为汉语自动分词不可或缺的组成部分。该文以西方姓名译名用字信息为基础,充分利用标准词表来限制西方姓名译名的过度生长能力,并使用首尾逼近和局部频率等方法来进一步改善识别效果,并且针对西方姓名译名的特点进行了有针对性的处理。对真实语料进行测试,正确率达到96.87%,召回率达到97.20%。