| 基于RBF神经网络的水文地质参数识别 |
| |
| 引用本文： | 张俊艳,魏连伟,韩文秀,邵景力,崔亚丽,张建立. 基于RBF神经网络的水文地质参数识别[J]. 中国工程科学, 2004, 6(8): 74-78 |
| |
| 作者姓名： | 张俊艳 魏连伟 韩文秀 邵景力 崔亚丽 张建立 |
| |
| 作者单位： | 1. 天津大学管理学院,天津,300072
2. 中国地质大学水资源与环境学院,北京,100083 |
| |
| 摘 要： | 水文地质参数识别问题是水文地质学上的一个难题.针对传统水文地质参数识别方法的局限性,提出了水文地质参数识别的径向基函数(RBF)神经网络方法,并通过算例验证了它的可行性与有效性,实现了水文地质参数的自动识别,提高了计算效率,比BP神经网络具有更好的参数识别效果.
|
| 关 键 词： | 地下水 水文地质参数 径向基函数(RBF)神经网络 BP神经网络 |
| 文章编号： | 1009-1742(2004)08-0074-05 |
| 收稿时间： | 2003-09-23 |
| 修稿时间： | 2003-09-23 |
Hydrogeological Parameter Identification Based on the Radial Basis Function Neural Networks |
| |
| zhangjunyan,weilianwei,hanweixiu,shaojingli,cuiyali and zhangjianli. Hydrogeological Parameter Identification Based on the Radial Basis Function Neural Networks[J]. Engineering Science, 2004, 6(8): 74-78 |
| |
| Authors: | zhangjunyan weilianwei hanweixiu shaojingli cuiyali zhangjianli |
| |
| Abstract: | The problem of hydrogeological parameter identification is actually a complex one. With the limit of identifying the parameter by traditional methods, the radial basis function neural networks (RBF) is applied into this area. Not only the parameter identification is automatically realized, but also the problem of local optimization is solved. The feasibility and effectiveness have been proved by the examples. |
| |
| Keywords: | groundwater hydrogeological parameter radial basis function (RBF) neural networks BP neural networks |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《中国工程科学》浏览原始摘要信息 |
|
点击此处可从《中国工程科学》下载全文 |
|
