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:
为了验证基于改进人工蜂群算法的径向基函数(RBF)神经网络模型在地下水埋深预测中的可行性和优越性,在基本人工蜂群算法中引入高斯变异算子,优化初始蜜源位置,设计建立基于改进人工蜂群算法的RBF神经网络模型(IABC-RBF). 通过输入泾惠渠灌区的年降雨量、年渠首引水量、年田间灌溉用水量、年地下水开采量和前一年的地下水埋深共5个相关影响因子的数据,对地下水埋深进行预测,与实测的地下水埋深数据进行比较,误差很小. 与RBF神经网络模型和基于基本人工蜂群算法训练的RBF神经网络模型(ABC-RBF)的预测结果进行比较,结果表明,基于改进人工蜂群算法的RBF神经网络模型收敛速度更快,预测结果误差最小,精度最高.
推荐文章
地下水位埋深的SARIMA与BP神经网络组合模型预测分析
地下水位埋深
SARIMA模型
BP神经网络
时间序列预测
基于BP神经网络的地下水动态预测
人工神经网络
地下水位
动态趋势
基于EMD的磴口县地下水埋深动态预测
EMD
BP神经网络
地下水埋深
预测模型
影响因子
基于RBF网络的地下水动态模拟与预测
RBF
神经网络
仿真
地下水预测
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IABC-RBF神经网络的地下水埋深预测模型
来源期刊 浙江大学学报(工学版) 学科 地球科学
关键词 人工蜂群算法 径向基函数神经网络 高斯变异 泾惠渠灌区 地下水埋深 预测
年,卷(期) 2019,(7) 所属期刊栏目 自动化技术、计算机技术
研究方向 页码范围 1323-1330
页数 8页 分类号 P 332
字数 5910字 语种 中文
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 王小军 44 324 9.0 17.0
2 邵光成 河海大学农业工程学院 47 685 14.0 25.0
3 章坤 河海大学农业工程学院 1 3 1.0 1.0
4 王志宇 河海大学农业工程学院 3 4 1.0 2.0
5 卢佳 河海大学农业工程学院 3 10 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (172)
共引文献  (256)
参考文献  (21)
节点文献
引证文献  (3)
同被引文献  (10)
二级引证文献  (0)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(3)
  • 参考文献(0)
  • 二级参考文献(3)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(6)
  • 参考文献(0)
  • 二级参考文献(6)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(8)
  • 参考文献(0)
  • 二级参考文献(8)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(12)
  • 参考文献(0)
  • 二级参考文献(12)
2006(18)
  • 参考文献(0)
  • 二级参考文献(18)
2007(16)
  • 参考文献(0)
  • 二级参考文献(16)
2008(23)
  • 参考文献(2)
  • 二级参考文献(21)
2009(14)
  • 参考文献(2)
  • 二级参考文献(12)
2010(10)
  • 参考文献(4)
  • 二级参考文献(6)
2011(15)
  • 参考文献(1)
  • 二级参考文献(14)
2012(12)
  • 参考文献(3)
  • 二级参考文献(9)
2013(11)
  • 参考文献(0)
  • 二级参考文献(11)
2014(7)
  • 参考文献(5)
  • 二级参考文献(2)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(3)
  • 参考文献(2)
  • 二级参考文献(1)
2017(2)
  • 参考文献(0)
  • 二级参考文献(2)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2019(4)
  • 参考文献(0)
  • 二级参考文献(4)
2020(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(6)
  • 参考文献(0)
  • 二级参考文献(4)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(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
人工蜂群算法
径向基函数神经网络
高斯变异
泾惠渠灌区
地下水埋深
预测
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
浙江大学学报(工学版)
月刊
1008-973X
33-1245/T
大16开
杭州市浙大路38号
32-40
1956
chi
出版文献量(篇)
6865
总下载数(次)
6
总被引数(次)
81907
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导