原文服务方: 东北林业大学学报       
摘要:
运用人工神经网络模型对松花江流域年径流量径流序列做出预报,表明了人工神经网络模型在水文预报中具有一定的优势.通过对基本BP网络算法和L-M算法的比较工作,得到了适合该神经网络模型的训练算法,既L-M算法,提高了预报的精度.以松花江流域哈尔滨站年径流量实测序列为研究对象,在数值试验的基础上找到了适合于松花江流域哈尔滨站年径流序列预报的人工神经网络预报模型结构,提高了该模型的预报准确性.
推荐文章
灰预测和 BP 神经网络在梧州站年径流预测中的应用
年径流量
灰预测
BP 神经网络
西江
基于RBF神经网络的河川年径流量预测
RBF神经网络
模型
径流量
预测
开都河
基于PSO的BP神经网络-Markov船舶交通流量预测模型
船舶交通流量预测
BP神经网络
马尔科夫模型(Markov模型)
粒子群优化(PSO)
泾河年径流量BP神经网络模型研究
EMD
GA
BP神经网络
年径流量
泾河
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP神经网络的河川年径流量预测
来源期刊 东北林业大学学报 学科
关键词 人工神经网络 BP神经网络 L-M算法 年径流量预测
年,卷(期) 2007,(10) 所属期刊栏目 问题讨论
研究方向 页码范围 83-85
页数 3页 分类号 P338
字数 语种 中文
DOI 10.3969/j.issn.1000-5382.2007.10.029
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐文科 29 162 7.0 12.0
2 顾海燕 14 104 6.0 10.0
3 于雷 13 125 6.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (29)
参考文献  (2)
节点文献
引证文献  (21)
同被引文献  (76)
二级引证文献  (75)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(3)
  • 引证文献(2)
  • 二级引证文献(1)
2009(3)
  • 引证文献(1)
  • 二级引证文献(2)
2010(6)
  • 引证文献(4)
  • 二级引证文献(2)
2011(4)
  • 引证文献(1)
  • 二级引证文献(3)
2012(8)
  • 引证文献(3)
  • 二级引证文献(5)
2013(4)
  • 引证文献(2)
  • 二级引证文献(2)
2014(7)
  • 引证文献(2)
  • 二级引证文献(5)
2015(8)
  • 引证文献(3)
  • 二级引证文献(5)
2016(7)
  • 引证文献(1)
  • 二级引证文献(6)
2017(12)
  • 引证文献(0)
  • 二级引证文献(12)
2018(13)
  • 引证文献(2)
  • 二级引证文献(11)
2019(14)
  • 引证文献(0)
  • 二级引证文献(14)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
人工神经网络
BP神经网络
L-M算法
年径流量预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
东北林业大学学报
月刊
1000-5382
23-1268/S
大16开
1957-01-01
chi
出版文献量(篇)
7235
总下载数(次)
0
总被引数(次)
68015
论文1v1指导