共 16 条
GA-BP神经网络模型在流域面雨量预报的应用研究
被引：12
作者：
谷晓平
[1
]
王长耀
[2
]
袁淑杰
[3
]
机构：
[1] 贵州山地环境与气候研究所
[2] 中国科学院遥感应用研究所
[3] 河北农业大学
来源：
关键词：
神经网络;
遗传算法;
最优子集;
雨量预报;
D O I：
10.16032/j.issn.1004-4965.2006.03.007
中图分类号：
P426.6 [降水];
学科分类号：
摘要：
通过采用遗传算法优化网络初始权重的方法,将遗传算法(GA)和前馈误差反传播(BP)算法有机地结合,优势互补,并应用于流域面雨量预报。以广东省东北部的滨江流域为试验区域,以1995～2001年气象探空资料为基础,利用最优子集回归技术进行预报因子筛选,建立了流域面雨量预报的GA-BP神经网络模型,取得了满意的结果。试验表明:(1)6小时流域面雨量预报神经网络的优化结构是7-7-1,转移函数的组合方式为tansig-线性函数。(2)训练算法为Levenberg-Marquardt算法(LM)。(3)遗传算法具有快速学习网络权重的能力,对BP网络易陷于局部极小点。(4)利用GA-BP神经网络模型对未来6小时流域面雨量的预报精度明显高于其它统计方法,证明了这种方法的有效性和可靠性。
引用
收藏
页码：248 / 252
页数：5
相关论文