基于密度参数K-均值算法的RBF网络及其在降水量预测中的应用

• 作者: 付强 李晶 邢贞相 郭皓
• 来源期刊: 水土保持研究
• 关键词: 水文学 降水量预测 径向基函数神经网络 密度参数 K-均值
• 年，卷（期）: 2014,（6）
• 页码范围: 299-303
• 分类号: P338
• 语种: 中文

摘要

径向基函数(Radial Basis Funtion,简称RBF)神经网络是一种收敛速度快、逼近能力强的前馈型神经网络.为提高网络的训练速度,采用基于密度参数的K-均值算法,消除传统K-均值算法对初始聚类中心的敏感性,构建了基于K-均值算法的RBF降水预报模型,并应用于挠力河流域的友谊农场汛期月降水量预报中,以检验所建模型的有效性.结果表明,与标准的K-均值算法RBF网络模型和BP(Back Propagation)网络模型相比,所构建的RBF降水预报模型对2008年,2009年,2010年各年间汛期(6-9月)降水量的预测平均相对误差为9.270 7％;确定性系数为0.96.预报精度均有所提高,且满足水文预报要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付强	东北农业大学水利与建筑学院	53	142	7.0	9.0
10	邢贞相	东北农业大学水利与建筑学院	53	278	8.0	14.0
13	李晶	东北农业大学水利与建筑学院	132	1191	20.0	26.0
20	郭皓	东北农业大学水利与建筑学院	4	23	3.0	4.0