梯级-关联算法在多泥沙河流含沙量预报中的应用

• 作者: 张志果 徐宗学 赵卫民
• 来源期刊: 水利学报
• 学科: 工学
• 关键词: 梯级-关联算法 含沙量 预报 神经网络 黄河
• 年，卷（期）: 2007,（4）
• 页码范围: 448-453
• 页数: 6页
• 分类号: TV143
• 字数: 4124字
• 语种: 中文
• DOI: 10.3321/j.issn:0559-9350.2007.04.011

摘要

本文借助历史加成法处理样本数据,并分别利用梯级-关联算法(CC)和误差反馈传播算法(BP)建立模型对黄河下游夹河滩水文站汛期含沙量进行预报.传统BP网络需要预先设定网络结构,预报过程虽利用了神经网络的内插特性,但其样本的处理方式和网络构建方式使得运算效率较低;CC算法仅要求初始网络含有输入层和输出层,通过运算不断向网络增加隐含节点,从而最大限度的减少了在网络构建过程中的主观因素.本文比较了当预报的峰值超出训练样本取值范围时两种算法的表现,结果显示:当预报的峰值为训练样本峰值的2.45倍时,二者均能实现较为准确的预报,BP网络在预报精度上要略高于CC网络,但CC网络在运算速度上要明显快于BP网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐宗学		11	408	8.0	11.0
2	张志果		1	3	1.0	1.0