文献类型：期刊文章

作　　者：李红霞[1] 许士国[1] 范垂仁[2]

机构地区：[1]大连理工大学土木水利学院,辽宁大连116024 [2]长春自然灾害预测研究服务中心,吉林长春130022

出　　处：《大连理工大学学报》

基　　金：国家自然科学基金资助项目(重点项目50139020).

年　　份：2006

卷　　号：46

期　　号：z1

起止页码：174-177

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对神经网络用于径流长期预报时,网络结构过于复杂而易出现过拟合的问题,采用主成分分析和贝叶斯正则化神经网络对预报模型进行改进．首先利用主成分分析对输入因子进行降维和优化,然后通过贝叶斯正则化对网络权值的限制来简化网络结构,从而有效地抑制过拟合．对嫩江流域江桥站年平均径流的仿真结果表明,贝叶斯正则化神经网络结合主成分分析的预报方法,可以显著地提高泛化能力和预报精度,而且网络收敛也比较稳定．

关 键 词：径流长期预报 神经网络 泛化性能 主成分分析 贝叶斯正则化

分 类 号：TV124] P338.2]