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:
针对洞庭湖区降水特点,考虑传统BP神经网络模型易落入局部最优,收敛速度慢和收敛对初值的敏感性较高等问题,引入一种人工蜂群-BP神经网络方法,通过人工蜂群进行全局寻优后将优化的权值矩阵代入训练网络,以此作为BP神经网络的初始值进行训练,并以洞庭湖区汉寿站多年月降雨量为例进行验证.结果 表明,人工蜂群-BP神经网络方法有效提高了预测精度,增强了对极值的模拟,在洞庭湖区降雨预测上更具适用性.
推荐文章
洞庭湖区降雨特性分析
洞庭湖
降雨量
区域分布
时段
排涝
洞庭湖区湿地景观变化分析
湿地
洞庭湖区
景观变化
生态功能
人工蜂群算法研究综述
人工蜂群算法
群智能
多目标优化
约束优化
人工蜂群优化的BP神经网络在入侵检测中的应用
人工蜂群算法
BP神经网络
入侵检测
遗传算法
全局寻优
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 人工蜂群-BP网络降雨预测方法在洞庭湖区汉寿站的应用
来源期刊 湖南水利水电 学科
关键词 人工蜂群 BP神经网络 降雨预测 洞庭湖区 汉寿站
年,卷(期) 2020,(6) 所属期刊栏目 试验与研究
研究方向 页码范围 36-40
页数 5页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (53)
共引文献  (28)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(5)
  • 参考文献(1)
  • 二级参考文献(4)
2017(3)
  • 参考文献(0)
  • 二级参考文献(3)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人工蜂群
BP神经网络
降雨预测
洞庭湖区
汉寿站
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
湖南水利水电
双月刊
1009-4229
43-1333/TV
大16开
湖南长沙市劳动西路26号
1956
chi
出版文献量(篇)
4568
总下载数(次)
8
总被引数(次)
6382
论文1v1指导