基于RBF神经网络的黄河含沙量预测研究 |
文件大小:0.45MB格式:pdf发布时间:2013-11-06浏览次数:次
【中文关键词】 | RBF神经网络 K-均值聚类算法 含沙量   |
【摘要】 | 选用RBF神经网络,利用改进的K-均值聚类算法,动态确定RBF神经网络中心,并采用最小二乘法进行RBF神经网络的权值调整,通过兰州、青铜峡和三门峡检测黄河含沙量数据的分析和处理。结果表明本预测模型的拟合和预测精度均较好。 |
【部分正文预览】 | 黄河治理和水资源开发利用的难点在水少沙多,古往今来众多专家学者纷纷在理论和方法上进行了不懈的研究和努力,希望能探寻和预测黄河泥沙的运行规律。可是随着人类社会经济活动范围的不断扩大和干预自然能力的日益增强,黄河流域水沙状况和产沙、输沙规律也在不断发生变化。因此,深入开展黄河水沙变化的观测、实验和分析研究,是黄河治理和水资源开发利用的重要的基础性科研工作。 |
|
|||||||||||||||
|
|||||||||||||||
|
|||||||||||||||
|
|||||||||||||||
【打印本页】 |