期刊文章详细信息
基于主成分分析和贝叶斯正则化方法的神经网络年最大洪峰流量预测模型探讨
Annual Peak Discharge Prediction Model of Neural Network Based on Principal Component Analysis and Bayesian Regulation
文献类型：期刊文章
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
年 份：2006
卷 号：26
期 号：6
起止页码：30-32
语 种：中文
收录情况：BDHX、BDHX2004、CSCD、CSCD_E2011_2012、JST、RCCSE、ZGKJHX、核心刊
摘 要：针时水文预测建模中输入因子过多而导致神经网络结构规模过大,泛化能力差的问题,利用主成分分析和贝叶斯正则化方法对神经网络进行改进,优化网络结构,从而提高泛化能力。以洮儿河流域镇西站年最大洪峰流量预测为例,研究结果表明,改进的神经网络预测方法与传统的神经网络方法相比,泛化能力有显著提高,而且网络的收敛也比较稳定,实际预测中效果良好。
关 键 词：神经网络 预测 泛化能力 主成分分析 贝叶斯正则化
分 类 号：P338.9]
参考文献：
正在载入数据...
二级参考文献：
正在载入数据...
耦合文献：
正在载入数据...
引证文献：
正在载入数据...
二级引证文献：
正在载入数据...
同被引文献：
正在载入数据...
