隐层节点数经验公式在水库调度规则提取中的应用效果评价

被引：5

作者：

刘宇 ^{[1
]}

钟平安 ^{[1
,2
]}

张梦然 ^{[1
]}

孔艳 ^{[1
]}

徐斌 ^{[1
]}

机构：

[1] 河海大学水文水资源学院

[2] 河海大学水资源高效利用与工程安全国家工程研究中心

来源：

水电能源科学 | 2012年 / 30卷 / 11期

关键词：

水库调度规则; 人工神经网络模型; 隐层节点数; 经验公式;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TV697.1 [水库运行管理];

学科分类号：

摘要：

隐层节点数是确定人工神经网络模型结构的重要参数,但目前尚无通用的确定方法。以水库中长期优化调度规则提取为例,选择了四种典型的隐层节点数经验确定公式,将合格率、确定性系数、平均绝对误差、指标综合占优数等作为评价指标,以全年、汛期、非汛期为统计时段,评价了各经验公式对四项评价指标的拟合和检验效果,并进行了摄动分析。结果表明,Lippmann R P公式应用效果、适应性及稳定性均较好,更适合建立水库优化调度规则提取模型。

引用

页码：42 / 44+213 +213

页数：4

共 9 条

[1] A practical guide to neural nets. Nelson M M,Illingworth W T. . 1991
[2] An Introduction to Computing with Neural Nets. Lippmann RP. IEEE ASSP Magazine . 1987
[3] Theory of Back Propagation Neural Networks. Hecht-Nielsen R. Proceedings of the International Joint Conference on Neural Networks . 1989
[4] Komogrov’s mapping neural network existence theorem. Hecht Nielsen R. Proceedings of the International Conference on Neural Networks . 1987
[5] Maren,A.J.,Harston,C.T.,Pap,R.M. Handbook of Neural Computing Applications . 1990
[6] Predicting Aflatoxin Contamination in Peanuts: A Genetic Algorithm/Neural Network Approach[J] . C.E. Henderson,W.D. Potter,R.W. McClendon,G. Hoogenboom. &nbspApplied Intelligence . 2000 (3)
[7] 非线性逼近的自适应小波神经网络方法
褚晓勇
徐晨
[J]. 工程数学学报, 2003, (02) : 23 - 29
[8] BP人工神经网络隐层结构设计的研究进展
范佳妮
王振雷
钱锋
[J]. 控制工程, 2005, (S1) : 109 - 113
[9] 基于人工神经网络的梯级水电站群调度规则研究
舒卫民
马光文
黄炜斌
黄鹭
张洪量
[J]. 水力发电学报, 2011, 30 (02) : 11 - 14+25

← 1 →