排序方式: 共有15条查询结果,搜索用时 78 毫秒
1.
为提高流域中长期径流预测效果,提出径流综合指数构建、因子筛选和改进深度信念网络模型相结合的预测方法。首先研究不同水文站点(细粒度)月平均径流的一致性,构造流域径流综合指数(粗粒度),在较宏观层面研究流域水情丰枯变化;接着采用基于信息熵的因子筛选方法,获得影响流域水情丰枯变化的关键因子集,形成深度学习的输入;然后利用改进的深度信念网络(IDBN)模型进行预测。以雅砻江流域为例,将所建模型与多元线性回归、自回归移动平均、反向传播(BP)神经网络、支持向量机和传统深度信念网络等预测模型进行对比分析。结果表明:所提方法具有较好的实用性,且IDBN模型具有更好的预测速度和精度。研究结果可为流域中长期径流变化趋势预测提供参考。 相似文献
2.
3.
为提高中长期径流预测效果,提出一种花授粉算法(FPA)优化极限学习机模型(ELM)的中长期径流预测方法。首先,构造反映流域水情丰枯变化的流域径流整体趋势变化因子(COM),并采用偏互信息法获得影响中长期径流过程变化的关键因子集;然后,结合K折交叉验证与花授粉算法优化ELM参数,构建FPA-ELM模型,完成中长期径流预测。最后,以雅砻江流域为研究区域,将构建的FPA-ELM模型与BP神经网络(BPNN)、支持向量机(SVM)、ELM和GA-ELM等模型进行对比分析。结果表明:FPA-ELM模型的平均绝对百分比误差(Emape)为20.15%,均方根误差(Ermse)为268.77 m3/s,确定性系数(Edc)为0.916 9,合格率(Eqr)为60.0%,运算时间为19.32 s,均优于上述4种数据驱动模型。研究成果可为基于智能算法的中长期径流预测提供借鉴。 相似文献
4.
随着水利信息化的发展,水利数据中心的地位日益凸显,标准化是水利信息化的基础。针对水利数据中心技术标准与行政规章稍显滞后的问题,简要分析水利信息化及水利数据中心的技术标准现状与主要需求,讨论水利数据中心技术标准规章的基本框架和实施策略,阐述广东省水利数据中心的标准化实践,实际应用表明,水利数据中心技术标准体系及标准化策略是可行和有效的,可为全国各级水利数据中心的建设与运行管理提供参考。 相似文献
5.
6.
7.
8.
9.
本文基于传统的K-means聚类方法提出来一种基于密度的改进K-means聚类方法。改进后的方法,首先选取数据集中密度最大的点作为第一个聚类中心点,以此为基准,选取离此点最远的点作为第二个初始聚类中心,再在剩余的点中找出离这两个初始点距离最远的点作为第三个聚类中心,以此类推,直到找到所需的K个点,之后再根据K-means算法迭代更新聚类中心,直到收敛或达到设定的迭代次数为止。实验结果表明,本文提出的方法与传统K-means方法相比准确率及稳定性方面均有所提高,可以作为聚类研究的一个新的思路。 相似文献
10.