WANN模型的改進及日徑流預測中的應用

介紹基于小波分析建立的人工神經網絡模型的方法原理,并給出構造模型的一般步驟及關鍵算法.針對一般BP算法收斂速度慢,易陷入局部極小值的缺陷,受Fletcher-Reeves線性搜索方法的啟發,提出基于改進共軛梯度法的BP算法.利用此優化模型對日徑流進行模擬與預測,實驗表明,基于小波分析的人工神經網絡模型在日徑流模擬過程中具有很好的仿真能力,訓練后的模型用于預測具有較高的精度.

作 者： 沙玉祥 繆韌 SHA Yu-xiang MIAO Ren   作者單位： 四川大學,水利水電學院,成都,610065  刊 名： 電網與清潔能源  英文刊名： POWER SYSTEM AND CLEAN ENERGY  年，卷(期)： 2009 25(7)  分類號： P338  關鍵詞： 小波分析   人工神經網絡(ANN)   共軛梯度法   日徑流  

【WANN模型的改進及日徑流預測中的應用】相關文章：

組合預測模型在物流需求預測中的應用04-26

遺傳算法改進的BP神經網絡在混沌徑流時間序列預測中的應用04-28

改進GM(1,1)模型在城市環境噪聲預測中的應用04-29

PSO-SVM模型在蒸發預測中的應用04-29

一種改進的GM(1,1)模型在交通量預測中的應用04-28

非參數解集模型在汛期日徑流隨機模擬中的應用04-27

VIC陸面水文模型在白蓮河流域徑流模擬中的應用04-28

TOPMODEL模型在巖溶地區的改進與應用04-28

季節趨勢模型在氣體泄漏擴散模擬預測中的應用04-30

ARIMA模型在蘇州河總磷預測中的應用04-25