改进RBF-Adaboost模型及其在年径流预测中的应用

• 作者: 黄剑竹
• 来源期刊: 人民珠江
• 关键词: Adaboost RBF神经网络 径流预测
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 应用基础
• 页码范围: 32-36
• 页数: 5页
• 分类号: P332
• 语种: 中文
• DOI: 10.3969/j.issn.1001-9235.2015.01.008

摘要

为提高径向基神经网络(RBF)在年径流预测中精度,提出基于Adaboost算法及线性递减算法改进的RBF-Adaboost预测模型,以云南省姑老河站年径流预测为例进行实例研究,并构建RBF、GA-BP及BP模型作为对比模型.利用实例前34年和后20年资料对所构建的模型进行训练和预测.结果表明:改进RBF-Adaboost模型对实例后20年年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为4.83％、9.51％,预测精度优于RBF、GA-BP及BP模型.RBF-Adaboost模型集成了多个基于扩展系数及期望误差线性递减改进的RBF神经网络弱预测器,有效提高了RBF神经网络模型在年径流预测中的精度,模型具有预测精度高、泛化能力强等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄剑竹		4	10	1.0	3.0