排序方式： 共有5条查询结果，搜索用时 93 毫秒
1
1.
RBF与GRNN神经网络模型在河流健康评价中的应用 总被引：2，自引：0，他引：2
崔东文 《中国农村水利水电》2012,(3):56-61
利用层次分析法构建符合区域中小河流健康评价指标体系和分级标准,基于RBF与GRNN神经网络算法原理,分别构建RBF与GRNN神经网络算法的河流健康评价模型,采用内插法构造网络训练样本,将河流健康分级评价标准值作为“预测”样本进行“预测”,并将结果作为河流健康等级评价的划分依据,对文山州区域中小河流健康状况进行评价分析。结果表明：①RBF与GRNN神经网络模型对区域中小河流健康评价结果完全相同,与BP神经网络评价结果基本相同,表明研究建立的河流健康评价模型和评价方法均是合理可行的,同BP网络算法相比,RBF与GRNN神经网络模型有收敛速度快、预测精度高、不易陷入局部极小值等优点,且调整参数较少,只有一个SPREAD参数,可以更快地预测评价网络,具有较大的计算优势。②文山州区域主要河流健康评价等级为Ⅱ～Ⅲ级,即处于健康与亚健康之间,客观反映了区域中小河流健康状况,可为区域河流的可持续管理和生态环境建设提供参考依据。 相似文献
2.
为提高径流时间序列预测精度,提出小波包分解(WPD)与奇异谱分解(SSA)-鼠群优化(RSO)算法-回声状态网络(ESN)相混合的径流时间序列预测方法.分别利用WPD和SSA将非平稳径流时间序列分解为若干子序列,有效降低径流时间序列的复杂性;介绍RSO算法原理,在不同维度条件下选取6个典型函数对RSO算法进行仿真测试;... 相似文献
3.
为提高径流预测精度,研究提出海洋捕食者算法(MPA)与长短期记忆(LSTM)神经网络相结合的径流预测方法。通过6个仿真函数对MPA、粒子群优化(PSO)算法进行测试,利用MPA优化LSTM隐藏层神经元数、训练次数等关键参数,基于主成分分析(PCA)降维和不降维处理分别建立PCA-MPA-LSTM、MPA-LSTM径流预测模型,利用云南省落却站实测数据对PCA-MPA-LSTM、MPA-LSTM模型进行训练及预测,结果与PCA-LSTM、LSTM、PCA-MPA-SVM、MPA-SVM、PCA-MPA-BP、MPA-BP模型的训练、预测结果进行比较。结果表明:①MPA仿真效果优于PSO算法,具有较好的寻优精度和全局搜索能力。②PCA-MPA-LSTM、MPA-LSTM模型对实例拟合、预测的平均相对误差分别为1.18%、2.35%和1.94%、1.96%,预测效果优于其他6种模型,具有较好的预测精度和泛化能力。③采用MPA优化LSTM关键参数能有效提高LSTM泛化能力和预测精度;数据降维模型的预测精度优于对应未降维模型的预测精度,数据降维处理能有效改善模型的预测效果。 相似文献
4.
为提高年降水量预测精度，提出一种基于小波包变换（WPT）和孔雀优化算法（POA）、沙猫优化（SCSO）算法、猎豹优化（CO）算法优化的高斯过程回归（GPR）预测模型，并将其应用于文山州年降水量预测研究。首先，利用WPT将实例1956-2021年降水量时间序列分解为1个周期项分量和3个波动项分量；其次，简要介绍POA、SCSO、CO算法原理，利用POA、SCSO、CO分别优化GPR超参数，建立WPT-POA-GPR、WPT-SCSOGPR、WPT-CO-GPR模型；最后，利用所建立的3种模型对年降水量周期项分量和波动项分量进行预测，将4个分量的预测结果加和重构后得到最终预测结果，并构建基于支持向量机（SVM）的WPT-POA-SVM、WPT-SCSOSVM、WPT-CO-SVM模型、基于RBF神经网络的WPT-POA-RBF、WPT-SCSO-RBF、WPT-CO-RBF模型和未经优化的WPT-GPR模型作对比分析模型。结果表明：(1)WPT-POA-GPR、WPT-SCSO-GPR、WPT-CO-GPR模型对年降水量预测的平均绝对百分比误差MAPE分别为0.52%、0.46%、0.48... 相似文献
5.
为科学评价云南省2006-2022年及2025年水资源空间均衡状态，建立基于社交网络搜索（SNS）算法、登山队优化（MTBO）算法优化双向门控循环单元（BIGRU）、双向长短时记忆（BILSTM）网络的水资源空间均衡评价模型。首先，从水资源支撑、水资源压力、水资源调控力3个方面遴选15个指标构建水资源空间均衡评价指标体系和等级标准，采用线性内插和随机选取的方法生成样本构建BIGRU、BILSTM适应度函数；其次，简要介绍SNS、MTBO算法原理，利用SNS、MTBO优化BiGRU、BiLSTM隐含层神经元数、学习率（超参数）构建SNS-BIGRU、MTBO-BIGRU、SNS-BILSTM、MTBO-BILSTM模型，通过不同样本大小和连续10次运行的方法验证SNS-BIGRU等4种模型的稳健性；最后利用SNS-BIGRU、MTBO-BIGRU、SNS-BILSTM、MTBO-BILSTM模型对云南省2006-2022年及2025年水资源空间均衡进行评价，并与SNS-支持向量机（SVM）、MTBO-SVM和模糊综合评价法的评价结果作对比。结果表明：(1)所建立的SNS-BIGRU等4种... 相似文献
1