基于贝叶斯正则化神经网络的径流长期预报

• 作者: 李红霞 范垂仁 许士国
• 来源期刊: 大连理工大学学报
• 学科: 地球科学
• 关键词: 径流长期预报 神经网络 泛化性能 主成分分析 贝叶斯正则化
• 年，卷（期）: 2006,（z1）
• 所属期刊栏目: 水利工程
• 页码范围: 174-177
• 页数: 4页
• 分类号: TV124|P338.2
• 字数: 2810字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-8608.2006.z1.029

摘要

针对神经网络用于径流长期预报时,网络结构过于复杂而易出现过拟合的问题,采用主成分分析和贝叶斯正则化神经网络对预报模型进行改进.首先利用主成分分析对输入因子进行降维和优化,然后通过贝叶斯正则化对网络权值的限制来简化网络结构,从而有效地抑制过拟合.对嫩江流域江桥站年平均径流的仿真结果表明,贝叶斯正则化神经网络结合主成分分析的预报方法,可以显著地提高泛化能力和预报精度,而且网络收敛也比较稳定.

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