共查询到19条相似文献，搜索用时 290 毫秒
1.
【目的】揭示径流时间序列变化规律并进行预测,为水库调度提供指导。【方法】针对径流时间序列的非线性特点,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌相空间重构的径流量预测BP网络模型,并利用该模型对位于陕西省汉江上游的石泉水文站的径流时间序列进行了预测。【结果】实例计算结果表明,石泉水文站月平均流量的时间序列具有混沌性,最大嵌入维数为12,依此构建的BP神经网络收敛速度快、预测精度较好。【结论】利用重构相空间中的最佳嵌入维数,可合理确定BP神经网络的输入层节点数。 相似文献
2.
为探明支持向量机回归(SVR)模型在动物疫病定量预测上的效果,以便为动物疫病防控决策提供依据,利用广西2007—2013年的猪肺疫月发病率时间序列,进行了SVR模型预测猪肺疫月发病率效果的研究。首先,以自相关函数法和Cao方法相结合,确定该时间序列的时间延迟为2,嵌入维数为6,并对其进行相空间重构;然后,依据主分量分析(PCA分布)方法判定该时间序列具有混沌特性,表明其在重构相空间中进行分析预测是可行的;最后,基于相空间重构结果构建SVR模型,分别采用网格搜索算法、遗传算法、粒子群算法对模型参数进行优化,并分析预测效果。结果表明,运用遗传算法优化SVR模型参数预测效果最优,平均绝对偏差(MAD)为0.043、均方误差(MSE)为0.003、平均绝对百分误差(MAPE)为0.202。可见,采用遗传算法优化的SVR模型对猪肺疫发病率的预测是可行有效的。 相似文献
3.
地下水位预报的相空间重构神经网络模型研究 总被引：3，自引：0，他引：3
为有效揭示水资源系统复杂的非线性结构及变化规律,结合混沌理论、相空间重构理论与神经网 络,研究了地下水水位预测模型,即通过相空间重构,把一维地下水水位时间序列拓展为多维序列,从而挖掘更为 丰富的信息;运用混沌方法构造训练样本并确定神经网络的网络结构,用神经网络拟合相空间相点演化的非线性 关系。实例计算表明,该模型具有较高的预报精度。 相似文献
4.
为提高叶尔羌河中长期径流预测精度,基于小波分析的基础上建立遗传算法优化BP神经网络的耦合模型,对60年叶尔羌河年径流时间序列进行研究。结果表明:耦合模型综合了两者的优势,在保留神经网络优良非线性拟合能力的同时,又融入遗传算法的容错性和全局搜索能力,提高预测径流时的学习速度和泛化能力。在对年径流进行预测时,其预测平均误差为-2.69%,而采用传统单纯的BP神经网络模型预测的平均误差为-10.25%。从预测误差检验以及模型的对比结果可知此模型合理、可行,因此该算法有助于解决叶尔羌河中长期径流预测问题。 相似文献
5.
6.
BP算法具有寻优精确的特点,而遗传算法具有很强的宏观搜索能力和良好的全局优化性能。因此将遗传算法与BP神经网络相结合,训练时先用遗传算法进行寻优,将搜索范围缩小后,再利用BP神经网络来进行精确求解,可以达到全局寻优和快速高效的目的。设计了一种利用遗传算法优化BP神经网络权重的预测方法,并对洞庭湖氨氮浓度的预测进行了研究。结果表明,丰水期(9月份)数据分布比较均匀,遗传算法优化BP神经网络权重的预测方法的3种学习算法计算值与实际值接近,并优于BP神经网络的计算结果,说明该方法具有较好的预测效果。 相似文献
7.
为了提高害虫发生量预测的精度,提出一种基于混沌理论的害虫发生量非线性预测模型(PSR–LSSVM)。通过相空间重构对害虫发生量时间序列进行重构,将重构后的害虫发生量序列输入到最小二乘支持向量机进行学习,建立害虫发生量预测模型,采用云南省普洱市思茅区和浙江省仙居县的松毛虫发生面积数据对模型性能进行检验。结果表明,松毛虫发生面积预测值与实际发生值十分接近,2个地区松毛虫发生面积预测结果的平均绝对百分误差分别为0.90%和2.44%,预测结果要优于BP神经网络、线性预测模型。 相似文献
8.
《山东农业大学学报(自然科学版)》2017,(6)
鉴于煤炭铁路运量预测的复杂性和随机性,本文利用遗传算法优化小波神经网络模型的方法进行运量预测。该模型高度融合了小波神经网络和遗传算法的优点,具有广泛映射能力和全局搜索能力,从而保证了预测精度。结果表明,优化模型计算的预测值和实际值之间的相对误差低于3%,说明该模型具有较高精度。 相似文献
9.
通过对时间序列的相空间的重构,用G-算法、Wolf算法证明了混沌时间序列经过线性变换后其关联维数、Lyapunov指数以及Kolmogorov熵大小不变,从而得出了线性变换后混沌时间序列的混沌特性保持不变的结论.同时将这一理论和热力学中的相似实验相结合,验证了实验模型系统进入混沌则实际系统必也能够在相应时刻进入混沌状态.该结论被成功应用到对汽包水位晃荡幅值的测量当中,验证了汽包水位的晃荡幅值具有混沌特性,并成功地对该时间序列进行了预测. 相似文献
10.
11.
Chaos theory was introduced for water quality, prediction, and the model of water quality prediction was established by combining phase space reconstruction theory and BP neural network forecasting method. Through the phase space reconstruction, the one-dimensional water quality time series were mapped to be multi-dimensional sequence, which enriched the spatial information of water quality change and expanded mapping region of training samples of BP neural network. Established model of combining chaos theory and BP neural network were applied to forecast turbidity time series of a certain reservoir. Contrast to BP neural network method, the relative error and the mean squared error of the combined method had all varying degrees of lower. Results indicated the neural network model with chaos theory had the higher prediction accuracy, at the same time, it had better fault-tolerant capability and generalization performance . 相似文献
12.
针对遗传算法和BP网络在寻优过程中的不足,将改进的遗传算法(IGA)与遗传编程(GP)相结合,建立了有广泛搜索能力和很强局部精化能力的IGA-GP自动编程算法,将该算法应用于BP神经网络的优化,克服了BP网络寻优过程中收敛速度慢、易陷入局部最优的不足,解决了新训练样本加入对网络稳定的影响。在此基础上,建立了黄河流域需水预测模型;拟合结果表明,该模型具有较高的预测精度。 相似文献
13.
本文以塿土和黄绵土作为实验材料,尝试使用BP神经网络方法(Back-Propagation neural network)模拟人工降雨条件下,间隔覆盖坡面的产流产沙状况。通过设置不同坡度、降雨强度、面积比,获得各种因素不同水平组合下的实测数据;以实际降雨强度、坡度、面积比、径流起始时间和初始含水率5个因子为输入变量、坡面产流量和产沙量为输出变量,利用BP神经网络模型与多元线性回归模型对数据进行模拟分析,并检验其模拟效果。研究结果表明:训练样本集平均相对误差为18.23%,预测样本集平均相对误差为5.21%;与多元线性回归模型相比,BP神经网络模型拟合精度较高,拟合效果更理想,表现出更强的预测能力。另外,比较不同土质坡面产流量与产沙量模拟效果,塿土优于黄绵土。从本研究的结果看,BP神经网络模型应用于坡面产流产沙模拟预测,省时省力,方便快捷,具有一定的应用潜力,但其实际的模拟预测能力尚需进一步探索。 相似文献
14.
雨量站分布不均匀流域的降雨径流预报人工神经网络模型 总被引：1，自引：0，他引：1
为解决传统方法难以可靠预报雨量站分布不均匀流域的次降雨径流量这一水文预报难题 ,探讨了人工神经网络模型用于该类水文预报问题的可能性。实例研究表明 ,以次暴雨量及其前期影响雨量为输入、次暴雨径流总量 (净雨量 )为输出的 BP网络模型 ,预报的相对误差比蓄满产流模型预报的相对误差平均低 9.2 % ,这说明 ,人工神经网络模型可作为雨量站分布不均匀等雨量观测存在系统偏差或不足流域的降雨径流预报模型。 相似文献
15.
张静 《西北农林科技大学学报(自然科学版)》2006,34(1):63-66
利用混沌理论,对湖北省某地区小麦条锈病受灾率进行混沌特征验证,然后利用BP神经网络非线性逼近器能力,建立预测模型,利用重构相空间,确定神经网络的输入节点数及输入值,并引入遗传算法优化BP神经网络参数,对受灾率进行了成功预报。 相似文献
16.
17.
比较分析BP神经网络与SVM模型在径流预测应用中的性能特征。以降雨量为预报因子,采用BP人工神经网络模型和SVM模型对大别山黄尾河流域40 a时长的同期径流过程进行数值模拟,并对二者的预测性能进行比较与评价。结果表明,黄尾河流域BP模型模拟的总体相对误差为14.43%,合格率为77.5%,确定性系数为0.76,预报精度等级为乙级;SVM模拟的总体相对误差为12.41%,合格率、确定性系数及预报精度等级与BP模型相同。SVM模型模拟结果较BP模型而言更集中于较小的误差范围内。BP模型的累积误差>SVM模型,并且随着误差自由度的增大,这种差距有扩大的趋势,表明SVM模型的误差范围较小,误差间隔小于BP模型,模拟性能较BP模型更稳定。 相似文献
18.
19.
利用北京市延庆县不同密度抚育后林分、林缘和农田在2010年4月、7月及10月的季节性小气候监测数据,构建了林缘—农田和林内—农田的立体水热空间的BP定量预测模型和MLR模型,拟达到定量评价林业生态工程生态效益、预测农田小气候进而服务林业生产的目的。结果表明：（1）对于集合小气候环境梯度CMG,林缘—农田的BP模型预测精度整体高于林内—农田的BP模型预测精度;（2）林缘—农田BP模型在整个生长季预测相关性均高于林内—农田的BP模型;林缘—农田的MLR模型仅10月较林内—农田的MLR模型预测有紧密的相关性,而4月和7月却相反。（3）林缘—农田的两种模型的季节预测精度均为7月>10月>4月;林内—农田的BP模型在生长初期中高密度林分Ⅱ的预测精度最高,在生长季中后期高密度林分Ⅰ的预测精度最高;而林内—农田的MLR模型在整个生长季均为中高密度林分Ⅱ的预测精度最高。（4）构建BP模型所需参数少,预测精度高,在样本数据量足够的情况下,有一定的外推能力。 相似文献