為獲得水庫枯水季徑流預(yù)測(cè)的標(biāo)準(zhǔn)模型,基于前饋神經(jīng)網(wǎng)絡(luò)FN、動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)EN、卷積神經(jīng)網(wǎng)絡(luò)RBF、級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)CN共4種神經(jīng)網(wǎng)絡(luò)模型,結(jié)合梯度下降法traingd、有動(dòng)量的梯度下降法traingdm、自適應(yīng)lr梯度下降法traingda、貝葉斯正則化算法trainbr、一步正割算法trainosss 5種訓(xùn)練算法,共20種模型,比較得出最優(yōu)模型,結(jié)果表明:模型最優(yōu)隱含層個(gè)數(shù)可取10,迭代次數(shù)可取4500,可使模型精度最高且運(yùn)行效率最高;4種神經(jīng)網(wǎng)絡(luò)模型均選用trainosss訓(xùn)練算法,可保證較高的運(yùn)行效率;級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)模型在枯水期不同月份的徑流預(yù)測(cè)中表現(xiàn)出了最高的精度,可作為水庫枯水期徑流預(yù)測(cè)的標(biāo)準(zhǔn)模型使用。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 研究方法
    1.1 前饋神經(jīng)網(wǎng)絡(luò)
    1.2 動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)
    1.3 卷積神經(jīng)網(wǎng)絡(luò)
    1.4 級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)
    1.5 模型訓(xùn)練與預(yù)測(cè)
    1.6 模型精度驗(yàn)證
2 結(jié)果分析
    2.1 模型基本參數(shù)確定
    2.2 模型最優(yōu)訓(xùn)練算法確定
    2.3 枯水季不同月份徑流模擬結(jié)果對(duì)比
    2.4 枯水季不同月份徑流模擬結(jié)果精度對(duì)比
3 結(jié)論



本文編號(hào)：3849003