針對(duì)洞庭湖區(qū)降水特點(diǎn),考慮傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型易落入局部最優(yōu),收斂速度慢和收斂對(duì)初值的敏感性較高等問(wèn)題,引入一種人工蜂群-BP神經(jīng)網(wǎng)絡(luò)方法,通過(guò)人工蜂群進(jìn)行全局尋優(yōu)后將優(yōu)化的權(quán)值矩陣代入訓(xùn)練網(wǎng)絡(luò),以此作為BP神經(jīng)網(wǎng)絡(luò)的初始值進(jìn)行訓(xùn)練,并以洞庭湖區(qū)漢壽站多年月降雨量為例進(jìn)行驗(yàn)證。結(jié)果表明,人工蜂群-BP神經(jīng)網(wǎng)絡(luò)方法有效提高了預(yù)測(cè)精度,增強(qiáng)了對(duì)極值的模擬,在洞庭湖區(qū)降雨預(yù)測(cè)上更具適用性。 

【文章來(lái)源】：湖南水利水電. 2020,(06)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

人工蜂群-BP神經(jīng)網(wǎng)絡(luò)方法計(jì)算流程圖

2014年預(yù)測(cè)結(jié)果

2015年預(yù)測(cè)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的花生籽粒完整性識(shí)別算法及應(yīng)用[J]. 趙志衡,宋歡,朱江波,盧雷,孫磊.  農(nóng)業(yè)工程學(xué)報(bào). 2018(21)
[2]洞庭湖區(qū)降雨特性分析[J]. 黎瑋.  湖南水利水電. 2015(02)
[3]一種改進(jìn)的BP算法及在降水預(yù)報(bào)中的應(yīng)用[J]. 閔晶晶,孫景榮,劉還珠,王式功,曹曉鐘.  應(yīng)用氣象學(xué)報(bào). 2010(01)
[4]基于新型聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)辨識(shí)[J]. 吳學(xué)禮,孟凡華,王永驥,李平,賈輝然,孟華.  地理與地理信息科學(xué). 2004(04)

博士論文
[1]基于人工神經(jīng)網(wǎng)絡(luò)方法的錦屏一級(jí)水電站樞紐區(qū)高邊坡穩(wěn)定性分區(qū)研究[D]. 徐佩華.吉林大學(xué) 2006

碩士論文
[1]基于多種神經(jīng)網(wǎng)絡(luò)模型的洞庭湖流域月降水量預(yù)測(cè)對(duì)比研究[D]. 龍?jiān)?湖南師范大學(xué) 2016



本文編號(hào)：3121206