基于神经网络的年径流量预测

扫码查看

原文链接

NETL

中文摘要：本文旨在讨论如何用人工神经网络(ANN)的方法预测河川年径流量,采纳一种新型的神经网络——通用学习网络(Universal Learning Network,ULN).该网络所有节点互连,而且每两个节点之间是带有任意时间延迟的多重连接.以黄河年径流量预测为例,仿真表明,通过学习,ULN可成功地记忆年径流量的样本信息,建立非线性的年径流模型.通过与传统的卡尔曼滤波算法预测比较,ULN对年径流量的预测达到了较高的精度.

作者：

韩敏、席剑辉、许士国

展开 >

作者单位：

大连理工大学电子与信息工程学院(大连)

大连理工大学土木建筑工程学院(大连)

关键词：

神经网络 ULN 预测年径流量系统辨识

主办单位：

中国自动化学会

会议名称：

第二十一届中国控制会议

会议时间：

2002-08-12

会议地点：

杭州

会议母体文献：

第二十一届中国控制会议论文集

页码：

332-335

出版时间：

2002