基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
BP网络模型在径流预测中应用较广,效果较好.但目前对BP网络的初始权重及偏值、学习率、动量因子和训练次数多采用"试错法"来确定,具有较大的不确定性,影响到模型的收敛速度和精度.为此,提出一种利用粒子群收缩因子算法(CFPSO)对BP模型上述参数进行优化的方法,并利用径流预测实例进行检验,计算结果表明该优化方法能够提高BP模型的收敛速度和精度.
推荐文章
粒子群收缩因子算法在BP网络年径流预测模型中的应用研究
粒子群算法
BP网络模型
径流预测
收缩因子
基于改进粒子群算法的烧结配料预测模型
配料优化
粒子群算法
BP神经网络
惯性权重
基于粒子群算法优化BP神经网络的产品质量预测分析
BP神经网络
改进
粒子群算法
产品质量预测
基于粒子群优化算法的BP网络模型在径流预测中的应用
水资源
径流预测
粒子群算法
人工神经网络
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 基于粒子群收缩因子算法的BP网络径流预测模型
来源期刊 水力发电 学科 地球科学
关键词 径流预测 收缩因子 粒子群算法 BP网络模型
年,卷(期) 2009,(8) 所属期刊栏目 水文水资源
研究方向 页码范围 15-17
页数 3页 分类号 P338.2|O229
字数 2790字 语种 中文
DOI 10.3969/j.issn.0559-9342.2009.08.005
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 常江 2 4 2.0 2.0
2 王问宇 四川大学水利水电学院 2 10 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (68)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2006(4)
  • 参考文献(3)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
径流预测
收缩因子
粒子群算法
BP网络模型
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
水力发电
月刊
0559-9342
11-1845/TV
大16开
北京西城区德外六铺炕北小街2号
2-428
1954
chi
出版文献量(篇)
7774
总下载数(次)
11
总被引数(次)
33587
论文1v1指导