用变化的降雨一径流资料通过反向传播人工神经网络模拟径流 |
| |
引用本文: | R.D.辛格 陈志斌.用变化的降雨一径流资料通过反向传播人工神经网络模拟径流[J].水资源研究,2006,27(2):45-49. |
| |
作者姓名: | R.D.辛格 陈志斌 |
| |
摘 要: | 用变化较大的、精度不高的数据组建立多层反向传播神经网络(BPANN)模型,用以模拟印度纳尔默达河两个小流域Banjar~Hridaynagar和Narmada-Manot的3种时间尺度(周、10d、月)的降雨径流过程。采用梯度下降优化技术建立BPANN径流模型,并通过交叉检验进行概化。用变化相对较大、精度不高的数据资料建立起来的BPANN,在几乎所有情况下,计算迭代次数较少,概化程度较高。计算结果表明,BPANN模型的性能优于线性转换函数模型(LTF)。
|
关 键 词: | 反向传播人工神经网络 降雨径流模拟 转换函数模型 |
收稿时间: | 2005-11-02 |
本文献已被 维普 等数据库收录! |
|