梯级关联算法原理及其在水文预报中的应用
传统BP网络需要预先设定网络隐含层的层数和每层的节点数,使得在预测过程中难以确定网络的最优结构.与之相反,梯级-关联算法(CC)要求初始网络仅含有输入层和输出层,通过运算不断向网络增加隐含节点.天然河道水流的含沙量与河床形态及河型存在复杂的关系,采用数学模型或物理模型进行含沙量预报时对这种复杂的力学行为难以精确描述,且很多参数需要经验化处理,使得含沙量预报的水平较低.本文在介绍梯级-关联算法原理的基础上,分别运用梯级-关联算法和BP算法对拉萨河拉萨站的月流量及黄河下游夹河滩站的含沙量进行了预报,结果显示:在不损失预报精度的前提下,梯级-关联算法的运算可使得运算次数大幅度减少,运算效率有很大的提高,同时网络的规模也有所减小.
梯级关联算法 BP算法 候选节点 流量预报 含沙量预报
张志果 徐宗学 赵为民
北京师范大学水科学研究院水沙科学教育部重点实验室,北京,100875 黄河水利委员会水文局,郑州市,450004
国内会议
郑州
中文
355-358
2006-09-23（万方平台首次上网日期，不代表论文的发表时间）