人工神经网络在径流影响因子滞后性研究中的应用

被引：6

作者：

冉笃奎 ^{[1
,2
]}

李敏 ^{[3
]}

武晟 ^{[1
,4
]}

解建仓 ^{[1
]}

机构：

[1] 西安理工大学西北水资源与环境生态教育部重点实验室

[2] 汉江水电开发有限责任公司

[3] 西北勘测设计研究院

[4] 西北电力设计研究院

来源：

计算机工程与应用 | 2009年 / 30期

关键词：

人工神经网络; 入库径流; 滞后性;

D O I：

暂无

中图分类号：

P333.1 [水量平衡]; TP183 [人工神经网络与计算];

学科分类号：

070209 [计算物理]; 140502 [人工智能];

摘要：

根据径流量的影响因素往往具有滞后性的特点,在构建神经网络时,从模型复杂度、训练精度、预测精度等方面综合分析了该特性的影响大小,获得了分析滞后性影响的方法。实例表明该方法能够准确判断出滞后时段的大小,为提高径流预报的准确性提供了一条有效的途径。

引用

页码：242 / 244

页数：3

共 6 条

[1]

基于GIS的小波神经网络库区径流预报模型研究 [J].

宋海良 ;

宋洋 ;

钟登华 ;

钟炜 .

水力发电学报, 2008, (01) :5-10

[2]

人工神经网络在地表径流预报中的应用 [J].

刘清华 ;

史红亮 ;

安书全 .

三峡大学学报(自然科学版), 2007, (04) :292-294

[3]

RBF神经网络在径流预报中的应用 [J].

刘荻 ;

周振民 .

华北水利水电学院学报, 2007, (02) :12-14

[4]

BP神经网络预测日径流序列的数据适应性分析 [J].

李存军 ;

邓红霞 ;

朱兵 ;

王文圣 .

四川大学学报(工程科学版), 2007, (02) :25-29

[5]

神经网络模型及其MATLAB仿真程序设计[M] 周开利;康耀红编著; 清华大学出版社 2005,

[6]

神经网络设计[M] (美)MartinT.Hagan等著;戴葵等译; 机械工业出版社 2002,

← 1 →