基于深度信念网络的钱塘江潮位预测方法

• 作者: 孙映宏 方力先 王瑞荣 赵晓东 鲍枫林
• 来源期刊: 杭州电子科技大学学报（自然科学版）
• 关键词: 钱塘江 潮位预报 深度学习 受限玻尔兹曼机 深度信念网络
• 年，卷（期）: 2018,（2）
• 页码范围: 67-72
• 页数: 6页
• 分类号: P332.3
• 语种: 中文
• DOI: 10.13954/j.cnki.hdu.2018.02.014

摘要

浅层网络不能很好地挖掘钱塘江各站点间潮位数据及其他数据的原始特征关系,其浅层网络模型学习后获得的是没有层次结构的单层特征,影响预测数据重构精度,为此,提出了一种基于深度学习的钱塘江潮位预测方法.首先利用多个受限玻尔兹曼机RBM提取钱塘江各水文站点的潮位数据以及农历"日"的数据特征值,然后在网络的最后一层设置BP神经网络实体分类器,将RBM提取到的特征数据作为BP神经网络的输入特征向量,利用BP神经网络对实体关系分类器进行有监督地训练,最后将误差反向传播至每一层RB M来微调整个网络参数,最终建立深度信念网络DBN预测模型.实验结果表明,深度信念网络预测模型比神经网络预测模型预测钱塘江潮位更具稳定性,为钱塘江潮位的预测提供了一种方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王瑞荣	杭州电子科技大学生命信息与仪器工程学院	27	145	7.0	10.0
2	孙映宏		29	103	5.0	9.0
3	方力先	杭州电子科技大学生命信息与仪器工程学院	11	36	3.0	5.0
4	赵晓东	杭州电子科技大学自动化学院	13	61	4.0	7.0
5	鲍枫林	杭州电子科技大学生命信息与仪器工程学院	1	1	1.0	1.0