基于贝叶斯正则化神经网络的径流长期预报
  • 【摘要】

    针对神经网络用于径流长期预报时,网络结构过于复杂而易出现过拟合的问题,采用主成分分析和贝叶斯正则化神经网络对预报模型进行改进.首先利用主成分分析对输入因子进行降维和优化,然后通过贝叶斯正则化对网络权值的限制来简化网络结构,从而有效地抑制过拟合.对嫩江流域江桥站年平均径流的仿真结果表明,贝叶斯正则化神经网络结合主成分分析的预报方法,可以显著地提高泛化能力和预报精度,而且网络收敛也比较稳定.

  • 【作者】

    李红霞  许士国  范垂仁 

  • 【作者单位】

    大连理工大学,土木水利学院,辽宁,大连,116024

  • 【会议名称】

    2006年全国博士生学术论坛-力学、土木工程、水利工程分论坛

  • 【会议时间】

    2006-07-20

  • 【会议地点】

    大连

  • 【主办单位】

    国务院学位办   教育部

  • 【语种】

    chi

  • 【关键词】

    径流长期预报  神经网络  泛化性能  主成分分析  贝叶斯正则化