- 相關(guān)推薦
WANN模型的改進(jìn)及日徑流預(yù)測(cè)中的應(yīng)用
介紹基于小波分析建立的人工神經(jīng)網(wǎng)絡(luò)模型的方法原理,并給出構(gòu)造模型的一般步驟及關(guān)鍵算法.針對(duì)一般BP算法收斂速度慢,易陷入局部極小值的缺陷,受Fletcher-Reeves線性搜索方法的啟發(fā),提出基于改進(jìn)共軛梯度法的BP算法.利用此優(yōu)化模型對(duì)日徑流進(jìn)行模擬與預(yù)測(cè),實(shí)驗(yàn)表明,基于小波分析的人工神經(jīng)網(wǎng)絡(luò)模型在日徑流模擬過(guò)程中具有很好的仿真能力,訓(xùn)練后的模型用于預(yù)測(cè)具有較高的精度.
作 者： 沙玉祥 繆韌 SHA Yu-xiang MIAO Ren 作者單位： 四川大學(xué),水利水電學(xué)院,成都,610065 刊 名： 電網(wǎng)與清潔能源 英文刊名： POWER SYSTEM AND CLEAN ENERGY 年，卷(期)： 2009 25(7) 分類(lèi)號(hào)： P338 關(guān)鍵詞： 小波分析 人工神經(jīng)網(wǎng)絡(luò)(ANN) 共軛梯度法 日徑流【W(wǎng)ANN模型的改進(jìn)及日徑流預(yù)測(cè)中的應(yīng)用】相關(guān)文章：
組合預(yù)測(cè)模型在物流需求預(yù)測(cè)中的應(yīng)用04-26
遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在混沌徑流時(shí)間序列預(yù)測(cè)中的應(yīng)用04-28
改進(jìn)GM(1,1)模型在城市環(huán)境噪聲預(yù)測(cè)中的應(yīng)用04-29
PSO-SVM模型在蒸發(fā)預(yù)測(cè)中的應(yīng)用04-29
一種改進(jìn)的GM(1,1)模型在交通量預(yù)測(cè)中的應(yīng)用04-28
非參數(shù)解集模型在汛期日徑流隨機(jī)模擬中的應(yīng)用04-27
VIC陸面水文模型在白蓮河流域徑流模擬中的應(yīng)用04-28
TOPMODEL模型在巖溶地區(qū)的改進(jìn)與應(yīng)用04-28