基于贝叶斯正则化神经网络的径流长期预报

摘要：

针对神经网络用于径流长期预报时,网络结构过于复杂而易出现过拟合的问题,采用主成分分析和贝叶斯正则化神经网络对预报模型进行改进.首先利用主成分分析对输入因子进行降维和优化,然后通过贝叶斯正则化对网络权值的限制来简化网络结构,从而有效地抑制过拟合.对嫩江流域江桥站年平均径流的仿真结果表明,贝叶斯正则化神经网络结合主成分分析的预报方法,可以显著地提高泛化能力和预报精度,而且网络收敛也比较稳定.

关键词： 径流长期预报 神经网络 泛化性能 主成分分析 贝叶斯正则化

作者: 李红霞 许士国 范垂仁

作者单位: 大连理工大学,土木水利学院,辽宁,大连,116024 长春自然灾害预测研究服务中心,吉林,长春,130022

会议类型: 国内会议

会议名称: 2006年全国博士生学术论坛——力学、土木工程、水利工程分论坛

会议地点: 大连

会议语种:中文

页码: 174-177

在线出版日期: 2006-07-20（万方平台首次上网日期，不代表论文的发表时间）