都江堰来水预测中BP网络训练方法的研究
详细信息 本馆镜像全文    |  推荐本文 | | 获取馆网全文
摘要
介绍了现有的BP神经网络在预测方面的应用实例,建立了BP网络的预测模型,结合都江堰渠首岷江上游来水量的预测,进行了仿真实验。实验结果表明,该模型是可行的,并且具有较高的预测精度。在模型可行的基础上,分析了LMBP算法、自适应学习速率动量梯度下降反向传播算法、弹性反向传播算法三种BP神经网络训练算法得到的仿真结果的差异,进而讨论了BP神经网络采用不同的BP网络训练算法对预测结果的影响。
In this paper the performance of back propagation neural networks applied to the predicting problems is evaluated. Apply-ing the designed BP networks model to the Dujiangyan water time series predicting problems,a great deal of experiments and simulations show that the model and its algorithm is feasible and the different results by three different methods (LMBP Algorithm,momentum gradient descent BP algorithm,Flexible BP algorithm).
引文
[1]闻新,周露等.MATLAB神经网络仿真与应用.北京:科学出版社,2003.
    [2]楼顺天,施阳.基于MATLAB系统分析与设计.西安电子科技大学出版社.2000.
    [3]吴成东等.人工神经BP网络在股市预测方面的应用[J].控制工程.2002,9(3):48-50.
    [4]杨福芹等.用BP神经网络模型预测密炼机主要性能参数.橡胶工业.2003,50(08):481-485.
    [5]杨居义等.基于BP神经网络的地震预测研究[J].微电子学与计算机.2008,25(10):129-132.
    [6]中华人民共和国水利部SL250—2000水文情报预测规范.北京,中国水利水电出版社,2000.
    [7]陈芳,金瓯,贺建飚.BP神经网络在预测物流成本中的应用[J].微计算机信息,2008,5-3:175-176.

版权所有:© 2023 中国地质图书馆 中国地质调查局地学文献中心