小波网络模型在渗流量预测中的应用

被引：3

作者：

郭张军 ^{[1
]}

宋汉周 ^{[2
]}

彭鹏 ^{[2
]}

机构：

[1] 陕西电力科学研究院水电技术研究所

[2] 河海大学地质及岩土工程系

来源：

勘察科学技术 | 2008年 / 01期

关键词：

小波网络; 渗流; 监控模型;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

将小波理论与神经网络理论相结合,建立了小波网络模型,并应用于工程实例。它避免了BP神经网络结构设计的盲目性和局部最优等非线性优化问题,大大简化了训练,具有较强的函数学习能力和推广能力。实例计算结果表明,小波网络模型具有比BP神经网络收敛速度快、预测精度高等特点,因而具有广阔的应用前景。

引用

页码：40 / 43

页数：4

共 8 条

[1]

水工建筑物安全监控理论及其应用.[M].吴中如等著;.河海大学出版社.1990,

[2] 小波神经网络预测混凝土强度研究 [J].

洪锦祥 ;

黄卫 ;

缪昌文 .

工业建筑, 2004, (07) :47-49

[3] 基于小波网络的大坝变形监测模型与预报 [J].

高平 ;

薛桂玉 .

水利学报, 2003, (07) :107-110

[4] 小波神经网络的参数初始化研究 [J].

赵学智 ;

邹春华 ;

陈统坚 ;

叶邦彦 ;

彭永红 .

华南理工大学学报(自然科学版), 2003, (02) :77-79+84

[5] 基于时-频谱图和小波神经网络的时间序列鲁棒建模方法 [J].

杨宜康 ;

万少松 ;

宋安军 ;

黄永宣 .

模式识别与人工智能, 2001, 14 (02) :225-230

[6] 小波神经网络研究进展及展望 [J].

陈哲 ;

冯天瑾 .

青岛海洋大学学报(自然科学版), 1999, (04) :663-668

[7] 小波神经网络逼近非线性函数算法 [J].

刘泓 ;

莫玉龙 .

应用科学学报, 1998, (02) :39-45

[8] Multidimensional non-orthogonal wavelet-sigmoid basis function neural network for dynamic process fault diagnosis [J].

Zhao, Jinsong ;

Chen, Bingzhen ;

Shen, Jingzhu .

Computers and Chemical Engineering, 1998, 23 (01) :83-92

← 1 →