用水量预测的误差自回归校正BP神经网络方法研究

摘要：

　　应用BP神经网络模型进行预测时存在如何确定收敛精度的问题，即当收敛精度低时误差会增大，当收敛精度高时训练时间又过长甚至不能收敛。针对这一问题，提出了基于误差自回归校正的BP神经网络模型。首先根据网络训练时间和收敛情况确定一个合适的收敛精度，然后对误差用自回归模型进行校正，这不仅提高了预测精度，而且还缩短了训练时间。将该模型用于海河流域用水量预测中，结果表明该模型有较好的预测效果，平均相对误差达到1.89％，预测的海河流域2010年和2030年用水量将分别达到422亿m3和436亿m3，预测结果可为水资源管理和规划提供一定的依据。

关键词： 水资源管理 误差自回归校正 BP模型 收敛精度 用水量预测

作者: 孙月峰

作者单位: 天津大学,天津 300072

会议类型: 国内会议

会议名称: 天津大学第二届博士生学术论坛——建筑工程论坛

会议地点: 天津

会议语种:中文

页码: 378-381

在线出版日期: 2009-05-23（万方平台首次上网日期，不代表论文的发表时间）