文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 兵器/核科学 > 基于遗传算法的神经网络优化预测模型及其在年径流预报中的应用
侵权投诉

基于遗传算法的神经网络优化预测模型及其在年径流预报中的应用

阎俊爱等!基于遗传算法的神经网络优化预测模型及其在年径流预报中的应用水利水电技术第!"卷#$$!年第%期

基于遗传算法的神经网络优化预测模型

及其在年径流预报中的应用

-阎俊爱’,,钟登华’

(’6天津大学建筑工程学院,天津$...2-;

.$...3)

-6山西财经大学信息管理学院,山西太原

摘!要"根据径流中长期预测的特点,将遗传算法和神经网络相结合,提出一种年径流预测新算

法———遗传神经网络优化预测方法#该方法提高了径流中长期预测模型的优化能力,有效地克服了人工神经网络学习速度慢、存在局部极小点的固有缺陷#最后对实例分别用几种不同的模型进行预测,经比较分析,证明所提出的方法能有效地提高预测精度和速度关键词"!

遗传算法;神经网络;年径流预测;预测精度

文献标识码:!

文章编号:’.../.53.(-..$).3/...’/.4

中图分类号:"$$5

为了克服人工神经网络在年径流预测中的缺陷,本文将遗传算法引入神经网络,对年径流量预测即用遗传算法优化神经网的!"模型进行优化改进,

络的权重和阈值,然后用优化好的!"模型对洪水年径流进行预报,以达到较好的预测结果#

例都包括输入及期望的输出两部分#训练时,首先把样例的输入信息即各影响因子的实测值输入到网络中,由网络自隐含层开始计算其输入值和输出值,直至计算出输出层的输出值,然后将其输出与样例的期望输出(即洪水年径流量的实测值)进行比较,如果它们的误差不能满足要求,则沿着原来的连接通路逐层返回,并利用两者的误差按一定的原则对各层节点的连接权值进行调整,使误差逐步减小,直到满足要求时为止#

由上述训练过程不难看出,!"算法的学习过程是由正向传播与反向传播组成的#正向传播用于进行网络计算,对某一输入求出它的输出;反向传播用于逐层传递误差,修改连接权值,以使网络能进行正确的计算#一旦网络经过训练用于求解现实问题,则就只需正向传播,不需要再进行反向传播#

!年径流量预测的前馈型神经网络——!"模型及其算法

由年径流量预测的前馈型神经网络!"模型结构

图可知:该网络有输入层、一个隐含层和输出层$层组成,其中输入层节点数为影响洪水年径流量的主要前期预报因子的个数!,其输入值分别为各影响因子的实测值!#;输出层节点数为一个,其输出值为洪水年径流量的预测值##当有信息(影响洪水径流量的主要前期预报因子的预测值)向网络输入时,信息首先由输入层传至隐含层节点,经特性函数作用后,再传至输出层进行输出,其间每经过一层都要由相应的特性函数进行变换#节点的特性函数要求是可微的,通常选用%型函数,本文采用下列函数

"

"#!

遗传算法模型(+,)

遗传算法优化的基本步骤

设有一个待优化的问题&,随机地给出用二进制

%(")&’(’)

收稿日期:-..$/.$/’0

基金项目:天津市自然科学基金,国家自然科学基金(,教育1.’20.-$)

部高等学校骨干教师资助计划和高等学校优秀青年教师教学科研奖励计划资助#

作者简介:阎俊爱(,女,天津大学博士研究生,工作单位为山’034—)

西财经大学#

利用!"算法学习的目的对网络的连接权值进行调整,使得对任一输入都能得到所期望的输出#学习的方法是用一组训练样例对网络进行训练,每一个样

水利水电技术卷#$$!1+23+$$%3+2年第%期!"!"#$%&$’()%*$’第"+,-.,%(/(0$%

4(56789(6:

!

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email