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

• 作者: 李红霞 范垂仁 许士国
• 来源期刊: 水文
• 学科: 地球科学
• 关键词: 神经网络 预测 泛化能力 主成分分析 贝叶斯正则化
• 年，卷（期）: 2006,（6）
• 所属期刊栏目: 技术应用
• 页码范围: 30-32
• 页数: 3页
• 分类号: P338+.9
• 字数: 3083字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-0852.2006.06.008

摘要

针对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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许士国	大连理工大学土木水利学院	132	1805	25.0	36.0
2	范垂仁		14	101	5.0	9.0
3	李红霞	大连理工大学土木水利学院	25	184	9.0	13.0