發(fā)布時間：2021-04-06 09:32

　　針對洞庭湖區(qū)降水特點,考慮傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型易落入局部最優(yōu),收斂速度慢和收斂對初值的敏感性較高等問題,引入一種人工蜂群-BP神經(jīng)網(wǎng)絡(luò)方法,通過人工蜂群進行全局尋優(yōu)后將優(yōu)化的權(quán)值矩陣代入訓(xùn)練網(wǎng)絡(luò),以此作為BP神經(jīng)網(wǎng)絡(luò)的初始值進行訓(xùn)練,并以洞庭湖區(qū)漢壽站多年月降雨量為例進行驗證。結(jié)果表明,人工蜂群-BP神經(jīng)網(wǎng)絡(luò)方法有效提高了預(yù)測精度,增強了對極值的模擬,在洞庭湖區(qū)降雨預(yù)測上更具適用性。 

【文章來源】：湖南水利水電. 2020,(06)

【文章頁數(shù)】：5 頁

【部分圖文】：

人工蜂群-BP神經(jīng)網(wǎng)絡(luò)方法計算流程圖

2014年預(yù)測結(jié)果

2015年預(yù)測結(jié)果

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的花生籽粒完整性識別算法及應(yīng)用[J]. 趙志衡,宋歡,朱江波,盧雷,孫磊.  農(nóng)業(yè)工程學(xué)報. 2018(21)
[2]洞庭湖區(qū)降雨特性分析[J]. 黎瑋.  湖南水利水電. 2015(02)
[3]一種改進的BP算法及在降水預(yù)報中的應(yīng)用[J]. 閔晶晶,孫景榮,劉還珠,王式功,曹曉鐘.  應(yīng)用氣象學(xué)報. 2010(01)
[4]基于新型聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)辨識[J]. 吳學(xué)禮,孟凡華,王永驥,李平,賈輝然,孟華.  地理與地理信息科學(xué). 2004(04)

博士論文
[1]基于人工神經(jīng)網(wǎng)絡(luò)方法的錦屏一級水電站樞紐區(qū)高邊坡穩(wěn)定性分區(qū)研究[D]. 徐佩華.吉林大學(xué) 2006

碩士論文
[1]基于多種神經(jīng)網(wǎng)絡(luò)模型的洞庭湖流域月降水量預(yù)測對比研究[D]. 龍云.湖南師范大學(xué) 2016



本文編號：3121206