共查询到20条相似文献，搜索用时 281 毫秒
1.
采用一元线性回归模型模拟贝叶斯分析的先验分布和似然函数,建立了基于小波-BP神经网络的贝叶斯概率组合预测模型,在结合区域的水文特性对数据进行预处理的基础上,将其应用于老挝Namngum水库的月径流量预测中,结果表明,该方法较单一BP神经网络模型和小波-BP神经网络模型而言,有效的提高了月径流量的预测精度;同时相对于确定性水文预报方法而言,基于小波-BP神经网络的贝叶斯概率组合预测模型定量地、以分布函数形式描述水文预报的不确定度,能向用户提供更多、更全面的信息,为决策提供更有价值的技术支持。 相似文献
2.
3.
《中国农村水利水电》2019,(9)
针对石羊河流域开展水量调度对中长期径流预报的迫切需求,以西营水库为研究对象,在分析石羊河流域径流特性的基础上,构建基于主成分分析法筛选预报因子的BP、Elman和PSO-SVR三种预报模型对西营水库进行年径流预报。结果表明,基于主成分分析的Elman和PSO-SVR中长期径流预报模型在率定期和检验期的合格率均满足相关规定对作业预报模型的精度要求,可为石羊河流域中长期径流预报提供实际支撑,为石羊河流域开展水资源优化配置和水量调度提供依据。 相似文献
4.
基于Elman和BP神经网络的逐月参 总被引：2，自引：0，他引：2
参考作物腾发量是估算作物蒸发蒸腾量的关键参数,它的准确预测对提高作物需水预报精度具有十分重要的意义。由于参考作物腾发量随时间变化具有一定的动态特性,将动态的Elman神经网络引用于参考作物腾发量预测中,并以铁岭市为例,对比分析了Elman模型与BP模型的预测结果。分析表明：Elman模型不仅能反应系统的动态特性,还具有比BP模型更高的预测精度、逼近性和稳定性。 相似文献
5.
6.
基于Elman小波神经网络的垦区地下水位预测模型研究 总被引：1，自引：0，他引：1
在现有Elman神经网络和小波分析理论研究的基础上,提出了Elman小波神经网络模型。给出了Elman小波神经网络梯度下降法训练的推导过程,为了避免梯度下降法收敛速度慢、容易产生振荡和陷入局部最优等缺点,在Elman小波神经网络的训练过程中引入动量项和自适应学习速率,并将该网络应用到垦区地下水位预测中,取得了良好的预期效果。在训练过程中,该网络具有收敛速度快,精度高等优点,同时也具有较好的泛化能力。 相似文献
7.
李帅莹 《农业机械化与电气化》2011,(6):88-90
参考作物腾发量（ET0）是估算作物腾发量的关键参数,其准确预测对提高作物需水预报精度具有十分重要的意义。Elman神经网络是BP网络的改进结构,具有适应时变性的特点;最小二乘支持向量机（LS-SVM）是支持向量机（SVM）的一种优化算法,它基于结构风险最小化准则,可兼顾模型的经验风险和推广能力。将两种方法应用于参考作物腾发量预测中,并以铁岭市为例,对比分析LS-SVM模型与Elman模型的预测值。结果表明：LS-SVM模型学习速度快,具有比Elman模型更高的模拟性能和预测精度,更适合参考作物腾发量的预测。 相似文献
8.
参考作物腾发量(Eto)是估算作物腾发量的关键参数,其准确预测对提高作物需水预报精度具有十分重要的意义.Elman神经网络是BP网络的改进结构,具有适应时变性的特点;最小二乘支持向量机(LS-SVM)是支持向量机(SVM)的一种优化算法,它基于结构风险最小化准则,可兼顾模型的经验风险和推广能力.将两种方法应用于参考作物腾发量预测中,并以铁岭市为例,对比分析LS-SVM模型与Elman模型的预测值.结果表明:LS-SVM模型学习速度快,具有比Elman模型更高的模拟性能和预测精度,更适合参考作物腾发量的预测. 相似文献
9.
《节水灌溉》2018,(12)
地下水埋深预测对于灌区农业生产、水土资源合理利用和生态环境保护等具有重要指导价值与作用。地下水埋深是一个受多种因素影响的多层次复杂系统,其演变具有不确定性、随机性、模糊性和非平稳性。基于EEMD较强的处理非线性问题能力和Elman网络具有适应时变和动态记忆的优点,构建了基于EEMD与Elman神经网络的地下水预测耦合模型,并将其应用于人民胜利渠灌区地下水埋深预测中。研究结果表明:基于EEMD和Elman神经网络耦合模型预测结果的最大相对误差为2.91%,最小相对误差为0.04%,预测合格率为100%,该耦合模型对人民胜利渠灌区地下水埋深的预测精度要高于单一的Elman模型和BP模型。另外,该模型在某种程度上可揭示灌区地下水时间序列的演变机制与影响因素,且计算简单、思路清晰,为地下水埋深预测提供了一种新的途径。 相似文献
10.
针对目前温室环境系统中,环境监测数据只能反映当前环境状况,无法预测温室环境变化趋势,导致温室环境控制效果差的问题,提出一种基于Elman神经网络的温室环境因子预测方法。以采集的温室内温度、湿度以及二氧化碳浓度的历史数据作为预测模型的输入,建立Elman神经网络预测模型,进而实现精确的温室环境因子变化预测。结果表明,Elman模型优于BP和RBF模型,温度、湿度和二氧化碳浓度预测结果的均方误差分别为0.003 9、0.005 9和0.028 3,决定系数分别为0.991 5、0.967 8和0.973 9。该模型预测结果较理想,可以为温室环境调控提供一定的决策支持。 相似文献
11.
研究了微波干燥过程的神经网络模型。建立了基于Levenberg—Marquardt优化算法的3层BP神经网络,网络输入为微波功率和辐射时间,输出为干基湿含量。使用线性回归方程、均方差和相关系数来评定所建网络的性能。结果表明,当隐层激发函数和神经元个数分别为tansig和25时,所得模型可以同时满足训练和测试的精度要求。 相似文献
12.
13.
为解决应用无线传感器网络技术监测农田信息时无法快速预测射频信号路径损耗的问题,基于神经网络理论研究了田间路径损耗与其影响因素间的关系。试验中选取915和2 470 MHz 2个载波频率,在冬小麦的不同生长阶段测量射频信号在田间各影响因素作用下的路径损耗,建立和验证基于神经网络的射频信号田间路径损耗预测模型。所建立模型模拟值与实测值的相关系数为0.92,应用建立的神经网络预测田间射频信号路径损耗并与实测值对比,最大预测误差绝对值为4.186 dB,最大预测标准差为2.759 dB,预测准确度为94.2%。所建立的BP网络可以对田间射频信号路径损耗进行预测。 相似文献
14.
利用聚类分析法将径流序列分解为若干个子径流序列 ,对这些子径流序列分别建立局部神经网络模型 ,而后把这些局部模型合并成一个混合模型。当新的信息进入该模型时 ,首先用分类器判别其类别 ,以确定用混合模型中的何种局部模型加以模拟。通过与不加分类的总体神经网络模型的模拟结果加以对比 ,结果表明这种基于径流分类的降雨 -径流模型表现出了更优良的性能 ,可以较大地提高径流模拟精度。 相似文献
15.
对大坝变形进行合理分析和准确预测是确保大坝安全运行的重要手段.大坝变形监测数据具有趋势性、周期性、随机性和非线性等特性,现有的机器学习模型大都基于大坝变形监测数据的非线性特点进行构建,而忽略了监测数据还具有趋势性和周期性的线性特征.提出了一种大坝变形预测模型,通过采用布谷鸟搜索算法(CS)对长短期记忆人工神经网络(LSTM)进行优化,再基于物联网传感器的实时监测数据,使用局部加权回归的周期趋势分解方法(STL)将数据分解成趋势分量、周期分量和余项分量,采用优化后的LSTM模型对趋势分量和余项分量分别进行预测,并通过简单周期估计方法进行计算,将3个分量的预测结果求和后得到最终变形预测结果.试验选取浙江利山水库开展变形预测研究,结果表明:STL-CS-LSTM模型的水平和沉降变形预测精度都高于其他模型,水平位移预测精度由高到低依次为LSTM模型、支持向量回归模型SVR和人工神经网络模型ANN,沉降预测精度由高到低依次为ANN模型、LSTM模型、SVR模型. 相似文献
16.
通过对钻孔孔径与其诸多影响因素的分析，建立神经网络（Artificial Neural Network，简称ANN）模型，并对实测钻孔资料进行自适应学习训练，构建出钻孔的孔径同其影响因子之间的非线性映射关系模型。将ANN模型的计算成果同实测资料和回归模型计算结果进行比较。结果表明，采用ANN方法计算预测钻孔孔径简单方便、计算精度高、可操作性强、通用性好。 相似文献
17.
18.
19.
针对给水管网的神经网络工况宏观模型的结构过于复杂、精度不高等问题提出改善神经网络的输入数据的预处理方法。输入中增加测压点压力及水塔水位数据，建立节点压力和整个管网状态之间的必然联系。采用时间序列分析方法筛选神经网络的输入数据，合理选择输入成分及各成分的滞后组分，简化模型的结构。采用分布归一化处理方法，提高模型的识别能力。编制相应软件，对某海滨城市给水管网的进行工况模拟，结果与实际值较为一致，能够真实反应节点的运行状态。 相似文献