作者:
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:
选用RBF神经网络,利用改进的K-均值聚类算法,动态确定RBF神经网络中心,并采用最小二乘法进行RBF神经网络的权值调整,通过兰州、青铜峡和三门峡检测黄河含沙量数据的分析和处理。结果表明本预测模型的拟合和预测精度均较好。
推荐文章
基于小波神经网络模型的含沙量预测研究
小波函数
BP神经网络
含沙量
基于RBF神经网络的黄河含沙量测量数据融合研究
含沙量测量
电容式差压法
数据融合
神经网络
基于BP算法的含沙量预测模型研究
库区泥沙
BP算法
含沙量预测
基于改进小波神经网络模型的汤河含沙量预测研究
改进小波神经网络模型
传统BP神经网络模型
河流含沙量预测
汤河
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RBF神经网络的黄河含沙量预测研究
来源期刊 水资源研究 学科 工学
关键词 含沙量 RBF神经网络 预测 黄河
年,卷(期) 2013,(2) 所属期刊栏目
研究方向 页码范围 11-13
页数 3页 分类号 TP183
字数 语种
DOI
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 廖慧 兰州交通大学经济管理学院 3 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (20)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(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)
研究主题发展历程
节点文献
含沙量
RBF神经网络
预测
黄河
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
水资源研究
双月刊
2166-6024
16开
武汉市解放大道1863号
1979
chi
出版文献量(篇)
2081
总下载数(次)
10
总被引数(次)
3236
论文1v1指导