基于贝叶斯正则化神经网络的径流长期预报

被引：12

作者：

李红霞 ^{[1
]}

许士国 ^{[1
]}

范垂仁 ^{[2
]}

机构：

[1] 大连理工大学土木水利学院

[2] 长春自然灾害预测研究服务中心

来源：

大连理工大学学报 | 2006年 / S1期

关键词：

径流长期预报; 神经网络; 泛化性能; 主成分分析; 贝叶斯正则化;

D O I：

暂无

中图分类号：

TV124 [];

学科分类号：

081501 ;

摘要：

针对神经网络用于径流长期预报时,网络结构过于复杂而易出现过拟合的问题,采用主成分分析和贝叶斯正则化神经网络对预报模型进行改进．首先利用主成分分析对输入因子进行降维和优化,然后通过贝叶斯正则化对网络权值的限制来简化网络结构,从而有效地抑制过拟合．对嫩江流域江桥站年平均径流的仿真结果表明,贝叶斯正则化神经网络结合主成分分析的预报方法,可以显著地提高泛化能力和预报精度,而且网络收敛也比较稳定．

引用

页码：174 / 177

页数：4

共 9 条

[1] 基于贝叶斯正则化BP神经网络的上市公司信用评价研究 [J].