基于徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡的測流斷面插值處理
發(fā)布時間:2021-10-31 11:09
水文測驗中的測流斷面數(shù)據(jù)處理方法較多,大多采用線性插值法,但精度不夠高。在傳統(tǒng)插值方法的基礎上,運用徑向基函數(shù)神經(jīng)網(wǎng)絡進行插值計算,實驗表明,其插值精度符合水文行業(yè)規(guī)范要求,且可提高流量測驗成果的精度。
【文章來源】:長江工程職業(yè)技術學院學報. 2020,37(02)
【文章頁數(shù)】:3 頁
【部分圖文】:
計算斷面簡圖
如圖2所示,RBF神經(jīng)網(wǎng)絡是一種三層神經(jīng)網(wǎng)絡結(jié)構(gòu),由輸入層、隱層、輸出層構(gòu)成。從輸入空間到隱層空間的變換是非線性,而從隱層空間到輸出層空間變換是線性變換。用徑向基函數(shù)作為隱單元的“基”構(gòu)成隱含層空間,將輸入矢量直接映射到隱空間,而不需要通過權(quán)連接。當RBF的中心點確定以后,這種映射關系也就隨之而定。而隱含層空間到輸出空間的映射是線性的,即網(wǎng)絡的輸出是隱單元輸出的線性加權(quán)和,權(quán)通過網(wǎng)絡學習而定,因此,權(quán)即為網(wǎng)絡可調(diào)參數(shù)。隱含層的作用是把輸入向量從低維度的p維映射到高維度n,這樣低維度線性不可分的情況到高維度就可以變得線性可分了。網(wǎng)絡由輸入到輸出的映射是非線性的,而網(wǎng)絡輸出對可調(diào)參數(shù)而言卻又是線性的。網(wǎng)絡的權(quán)就可由線性方程組直接解出,從而大大加快學習速度并避免局部極小問題。利用RBF神經(jīng)網(wǎng)絡解決插值問題,實際上就是對給定范圍的p個點xi(i=1,2,…,p)及其對應的函數(shù)值yi(i=1,2,…,p),要求構(gòu)造一元函數(shù)y=f(x)在p個點處滿足給定的函數(shù)值,即f(xi)=yi(i=1,2,…,p)。把p個點作為輸入向量作用到網(wǎng)絡上,通過基函數(shù)的非線性變換,在學習過程中調(diào)整權(quán)值,得到網(wǎng)絡輸出:
從圖3也能看出插值曲線保持較好的平滑性能。雖要說明的是,盡管徑向基函數(shù)插值具有一定的優(yōu)勢[4],但插值精度與訓練樣本有一定的關系,需要大量的數(shù)據(jù)來訓練網(wǎng)絡以提高插值性能,同時參數(shù)的選取需要多次的實踐比較,才能確定最佳參數(shù)。
【參考文獻】:
期刊論文
[1]徑向基函數(shù)插值逼近若干問題研究[J]. 齊靜,王茜. 河南教育學院學報(自然科學版). 2018(02)
[2]降水空間插值技術的研究進展[J]. 何紅艷,郭志華,肖文發(fā). 生態(tài)學雜志. 2005(10)
[3]基于徑向基函數(shù)神經(jīng)網(wǎng)絡的插值及其應用[J]. 田蓓藝,胡勇. 南京曉莊學院學報. 2002(04)
[4]函數(shù)的徑向基表示[J]. 吳宗敏. 數(shù)學進展. 1998(03)
本文編號:3468023
【文章來源】:長江工程職業(yè)技術學院學報. 2020,37(02)
【文章頁數(shù)】:3 頁
【部分圖文】:
計算斷面簡圖
如圖2所示,RBF神經(jīng)網(wǎng)絡是一種三層神經(jīng)網(wǎng)絡結(jié)構(gòu),由輸入層、隱層、輸出層構(gòu)成。從輸入空間到隱層空間的變換是非線性,而從隱層空間到輸出層空間變換是線性變換。用徑向基函數(shù)作為隱單元的“基”構(gòu)成隱含層空間,將輸入矢量直接映射到隱空間,而不需要通過權(quán)連接。當RBF的中心點確定以后,這種映射關系也就隨之而定。而隱含層空間到輸出空間的映射是線性的,即網(wǎng)絡的輸出是隱單元輸出的線性加權(quán)和,權(quán)通過網(wǎng)絡學習而定,因此,權(quán)即為網(wǎng)絡可調(diào)參數(shù)。隱含層的作用是把輸入向量從低維度的p維映射到高維度n,這樣低維度線性不可分的情況到高維度就可以變得線性可分了。網(wǎng)絡由輸入到輸出的映射是非線性的,而網(wǎng)絡輸出對可調(diào)參數(shù)而言卻又是線性的。網(wǎng)絡的權(quán)就可由線性方程組直接解出,從而大大加快學習速度并避免局部極小問題。利用RBF神經(jīng)網(wǎng)絡解決插值問題,實際上就是對給定范圍的p個點xi(i=1,2,…,p)及其對應的函數(shù)值yi(i=1,2,…,p),要求構(gòu)造一元函數(shù)y=f(x)在p個點處滿足給定的函數(shù)值,即f(xi)=yi(i=1,2,…,p)。把p個點作為輸入向量作用到網(wǎng)絡上,通過基函數(shù)的非線性變換,在學習過程中調(diào)整權(quán)值,得到網(wǎng)絡輸出:
從圖3也能看出插值曲線保持較好的平滑性能。雖要說明的是,盡管徑向基函數(shù)插值具有一定的優(yōu)勢[4],但插值精度與訓練樣本有一定的關系,需要大量的數(shù)據(jù)來訓練網(wǎng)絡以提高插值性能,同時參數(shù)的選取需要多次的實踐比較,才能確定最佳參數(shù)。
【參考文獻】:
期刊論文
[1]徑向基函數(shù)插值逼近若干問題研究[J]. 齊靜,王茜. 河南教育學院學報(自然科學版). 2018(02)
[2]降水空間插值技術的研究進展[J]. 何紅艷,郭志華,肖文發(fā). 生態(tài)學雜志. 2005(10)
[3]基于徑向基函數(shù)神經(jīng)網(wǎng)絡的插值及其應用[J]. 田蓓藝,胡勇. 南京曉莊學院學報. 2002(04)
[4]函數(shù)的徑向基表示[J]. 吳宗敏. 數(shù)學進展. 1998(03)
本文編號:3468023
本文鏈接:http://www.sikaile.net/projectlw/dqwllw/3468023.html
最近更新
教材專著