基于KG-BP神经网络在秦淮河洪水水位预测中的应用

• 作者: 吴美玲 张铖铖 杨侃
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: KNN算法 GA算法 BP神经网络 水位 预测
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 水情测报与优化调度
• 页码范围: 74-77,81
• 页数: 5页
• 分类号: TV124
• 语种: 中文

摘要

为了提高BP神经网络模型的预测精度,提出了一种基于KNN算法及GA算法优化的BP神经网络的水位预测方法(KG-BP),即通过KNN邻近算法从全样本数据中剔除与待测点相关度较低的样本集,并允许保留K个“优质”训练数据集;将筛选出的“优质”训练数据集代入GA算法中实现初始权阈值的优化;再将“优质”的样本和初始权阈值代入BP模型中进行训练.将该预测方法应用于东山站水位实际预测中,并与BP模型、GA-BP模型的预测结果进行对比分析,验证了KG-BP模型具有较高的预测精度.