RBF神经网络在径流时间序列预测中的应用.pdfVIP

下载本文档

4
0
约 3页
2017-09-12 发布于安徽
举报
版权申诉

RBF神经网络在径流时间序列预测中的应用.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第 33卷第 8期人民黄河 VoI．33．No．8 2011年8月 YELLOW RIVER Aug．，2011 水文 R 经网络在径流时间序列预测中的应用，一趼刘佳，鲁帆，蒋云钟，柳建设申(1．东华大学环境科学与工程学院，上海201620；2．中国水利水电科学研究院水资源研究所，北京 100038) 摘要：利用RBF神经网络建立了径流的时间序列预测模型，对其原理和相应的计算步骤进行了介绍。实例应用结果表明：①该模型收敛速度快、预报精度较高，结果优于传统的AR模型；②应尽可能采用更大容量的训练样本，获得更好的预测性能；③历史径流资料应选取未受人类活动干扰或受人类活动影响较小的时间序列来进行分析。关键词：MATLAB；预测模型；时间序列；径流预报；RBF神经网络中图分类号：P333 文献标识码：A doi：10．3969／j．issn．1000-1379．2011．08．018 ApplicationofRBFNeuralNetworkinRunoff TimeSeriesPrediction LIUJia ，LU Fan ，JIANGYun．zhong2 LIUJian．she ， (1．CollegeofEnvironmentalScienceandEngineering，DonghuaUniversity，Shanghai201620，China； 2．DepartmentofWaterResources，China ￡￡eofWaterResourcesandHydropowerResearch，Beijing100038，China) Abstract：RBFneuralnetworkisappliedtotherunofftimeseriesprediction，andthedetailed modelprincipleandthecorrespondingcalculation stepsareexplainedanddiscussed．Theapplicationcaseshowsthat①themodelhastheabilityoffastconvergenceandhighprecisionandthefore· castprecisionishigherthantraditionalautomaticregressivemodel；②ofrbetterpredictionperformance，rgeatersamplescapacityshouldbeadopted inthetrainingprocess；(~)historicalurnoffdaatshouldbenaalyzedbyselectingtimeseriesthatareunaffectedorlessaffectedbyhumanactivities． Keywords：MATLAB；predictionmodel；timeseries；urnoffprediction；RBFneuralnetwork 径流的形成是气象、流域下垫面及人类活动等多方面因素输入 R．() 输出共同作用的结果，是一个复杂的非线性过程。随着预见期的延 1 长，使得预报对象的影响因子常常很难确定或难以获得。时间 )，2 序列可通过历