水库水温分布结构识别的高斯过程机器学习方法

被引：8

作者：

张研

苏国韶

燕柳斌

机构：

[1] 广西大学土木建筑工程学院

来源：

水利水电科技进展 | 2009年 / 29卷 / 02期

基金：

中国博士后科学基金;

关键词：

高斯过程; 机器学习; 水库水温垂直分布; 模式识别;

D O I：

暂无

中图分类号：

TV697.21 [];

学科分类号：

081504 ;

摘要：

利用高斯过程机器学习模型建立水库水温垂直分布结构类型与其复杂影响因素之间的非线性映射关系,提出一种基于高斯过程机器学习的水库水温垂直分布结构类型的模式识别方法。工程实例应用表明,该方法具有模型参数自适应确定、容易实现且识别精度高等优点。

引用

页码：13 / 15+39 +39

页数：4

共 8 条

[1] 基于高斯过程的软测量建模 [J].

熊志化 ;

张继承 ;

邵惠鹤 .

系统仿真学报, 2005, (04) :793-794+800

[2] 水库水温结构划分的模糊回归预测模型及其应用 [J].

刘金禄 .

水资源与水工程学报, 2004, (03) :56-58

[3] 水库及下游河道的水温分析 [J].

蔡为武 .

水利水电科技进展, 2001, (05) :20-23

[4] 一种基于人工神经网络的水库水温分层模式判别方法 [J].

郄志红 ;

吴鑫淼 ;

郑旌辉 ;

王育新 .

农业工程学报, 1999, (03) :204-208

[5] 水库水温计算方法探讨 [J].

蒋红 .

水力发电学报, 1999, (02) :63-72

[6] 密云水库垂向水温模型研究 [J].

陈永灿 ;

张宝旭 ;

李玉梁 .

水利学报, 1998, (09) :3-5

[7] Variational Bayesian multinomial probit regression with gaussian process priors [J].

Girolami, Mark ;

Rogers, Simon .

NEURAL COMPUTATION, 2006, 18 (08) :1790-1817

[8] Gaussian process for nonstationary time series prediction [J].

Brahim-Belhouari, S ;

Bermak, A .

COMPUTATIONAL STATISTICS & DATA ANALYSIS, 2004, 47 (04) :705-712

← 1 →