共查询到20条相似文献,搜索用时 15 毫秒
1.
基于小波网络的大坝变形监测模型与预报 总被引:13,自引:2,他引:11
针对误差反向传递(BP)网络模型收敛速度慢和易陷入局部最小的不足,提出将小波网络用于大坝变形监测的拟合和预报,综合了神经网络与小波分解在函数逼近上的优点。算例证明:小波网络模型的预测值与实测值拟合比BP网络模型的精度有较大提高。 相似文献
2.
首先从小波分析和神经网络各自存在的问题出发,对小波网络的产生原 因和产生形式进行了研究;接着分别从连续小波变换、正交小波变换、小波框架和小波基拟 合几方面,详细地介绍了小波网络的构造理论;然后从小波函数的选择、网络参数初始化、 隐层节点数确定和参数调节算法几方面对小波网络的学习过程进行了讨论;最后介绍了小波 网络的应用,并提出了当前存在的问题和今后的研究方向。 相似文献
3.
嘉陵江流域北碚站年输沙量的变化规律及预测研究 总被引:1,自引:0,他引:1
首先利用小波变换对北碚站年输沙量的变化规律进行了研究,结果表明:年输沙量呈现出明显的减少趋势;其次,将小波变换结合BP神经网络建立小波网络模型,并利用该模型对北碚站的年输沙量进行预测,同时将预测结果与BP神经网络模型的预测结果进行了比较。认为在缺乏其它相关资料的情况下,单从输沙量和径流量资料出发,小波网络模型的预测效果明显优于BP神经网络模型。由此表明,小波网络模型不仅能对年输沙量的趋势进行预测,还能对年输沙量的大小进行较为准确的预测,从而为在资料较少的情况下进行输沙量的定量分析提供了一种新的方法。 相似文献
4.
5.
6.
摘要: 基于对小波变换和神经网络之间内在联系的分析,利用神经网络不同激励函数的线性组合构造出了相应的小波函数,得出小波函数作为神经网络的激励函数与普通神经网络的激励函数在本质上是一致的结论,并引入了小波网络。通过对小波变换、神经网络和小波网络函数逼近能力的理论分析与比较,认为小波网络在函数逼近方面具有明显的优势,并且分别利用这3种方式对一典型函数进行了仿真逼近的验证。 相似文献
7.
首先利用小波变换对北碚站年径流量变化规律进行了研究,结果表明:年径流量呈现出明显的减少趋势,并具有大约9.8a的变化周期.其次结合BP神经网络建立小波网络模型,并利用该模型对北碚站的年径流量进行预测,同时将预测结果与BP神经网络模型的预测结果进行了比较,比较结果表明:小波网络模型对径流变化的预测效果明显优于BP神经网络模型,为径流量的定量分析提供了一种新的方法. 相似文献
8.
9.
10.
11.
12.
小波神经网络是基于小波变换与人工神经网络的一种前馈型神经网络.文中将小渡神经网络模型应用于柴河水库右坝段坝基渗流量的预测,利用实测资料对其模拟计算结果进行检验.通过与BP神经网络模型的预测结果比较,证明小波网络模型的收敛速度更快、预测精度更高. 相似文献
13.
水轮发电机组的振动原因非常复杂,难于通过理论分析的方法在故障原因和故障征兆之间建立对应关系,而小波网络在处理复杂非线性函数关系上优于其他的神经网络。为此,结合水轮发电机组的振动特点和小波网络的结构特点,建立了免疫小波神经网络模型。对小波网络结构参数进行优化时,应用免疫系统的调节原理,依据抗体的适应度和抗体浓度的大小,来确定其选择概率;并利用适应度函数动态调整交叉概率和变异概率。理论分析及实例结果表明,该模型收敛速度快,精度高并有较好的泛化能力,为水轮发电机组状态监测及故障诊断提供了一种新途径。 相似文献
14.
基于小波变换的水文时间序列分解 总被引:3,自引:0,他引:3
运用Mallat算法和Daubechies小波,介绍了基于小波变换的水文时间序列分解方法。通过小波变换,将水文时间序列分解成不同时间尺度的确定性序列和随机序列,为建立水文时间序列中长期预报耦合模型打下了基础:以长江寸滩站日平均流量和年最大流量序列为例,进行了小波变换:通过对分解后的序列进行重构,结果是满意的。 相似文献
15.
16.
17.
将一种基于小波分析的自回归滑动平均求和(ARIMA)模型用于月径流的预测。首先利用小波变换良好的局部化特性,将月径流序列分解成不同时间尺度上的子序列;然后对各个子序列利用ARIMA模型进行预测。将采用基于小波分析的ARIMA模型的预测结果与直接使用ARIMA模型的预测结果进行比较,结果表明引入小波变换提高了月径流预报精度。 相似文献
18.
小波分解与变换法预测地下水位动态 总被引:27,自引:1,他引:26
通过小波分解方法将地下水位动态的非平稳时间序列分解为多个细节信号序列和逼近信号序列,然后运用时间序列自回归模型及人工神经元网络模型对各信号序列分别进行模拟预测,模拟结果比单纯用自回归法或人工神经网络模型更接近实测值,说明通过小波分解方法进行地下水位动态模拟和预测是适合的;同时用小波变换方法对地下水位动态进行了宏观分析,使隐藏的规律性显现出来,揭示出地下水位动态变化中除了具有一个水文年内的周期性变化规律外,还存在2~3年间隔的波幅强弱变化,可以推断未来短期内地下水位动态发展仍将延续当前总体下降的趋势,与小波分解方法得到的预 测结果相吻合。 相似文献
19.
基于多尺度小波变换WNN的灌区灌溉水量研究 总被引:1,自引:0,他引:1
《人民黄河》2019,(11):154-158
选取Daubechies(db6)小波系对陆浑灌区1970—2013年的降水量及作物需水量时间序列进行多时间尺度水平分解,以得到的1970—2003年的小波系数为输入数据、灌溉水量为输出数据,构建多尺度小波变换的小波神经网络进行预测模拟,并利用单隐层BP、双隐层BP神经网络和小波神经网络分别进行了预测比较,结果表明:基于多尺度小波变换的小波神经网络模型的模拟精度和预测的稳定性均高于其他3种模型,4种预测模型的预测值平均相对误差排序为单隐层BP神经网络双隐层BP神经网络小波神经网络多尺度小波变换的小波神经网络。 相似文献
20.
造成中长期水文预报研究和预报困难的主要原因是水文现象本身的复杂性和不确定性,以及内部复杂的非线性关系,针对这些问题,本文建立了一种小波神经网络时间序列模型,并用遗传算法对小波神经网络的连接权值和伸缩变量、平移变量进行优化。使用这种模型对黄河三门峡站逐年月天然流量进行预报检验,并将检验结果与传统的小波神经网络和BP神经网络进行对比,从模型预报精度、趋势性和稳定性3个方面进行分析,分析发现,这种遗传算法优化的小波神经网络时间序列模型能够有效地克服传统的小波神经网络和BP网络容易陷入局部极小的缺陷,能够对水文现象的趋势性作出较精确的预测,具有良好的预报精度和稳定性。 相似文献