首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 171 毫秒
1.
班懿根 《地下水》2012,(1):114-116
介绍了径向基函数神经网络的原理、训练算法,建立的径向基函数神经网络城市需水量预测模型具有较强的非线性处理能力和逼近能力,运算速度快、性能稳定,克服了BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷,预测精度较高,泛化能力强。  相似文献   

2.
集对分析径向基函数神经网络预测模型   总被引:1,自引:0,他引:1  
陈晶  王文圣  李跃清 《水文》2011,31(2):11-14
将集对分析与径向基函数神经网络结合,提出了集对分析径向基函数神经网络预测模型。模型思路是将研究对象t-1时和t时的影响因子集构造为集对并计算联系度,由联系度的同一度、差异度、对立度及研究对象t-1时的值为输入,研究对象t时的值为输出,构建径向基函数神经网络。以年径流预测为例研究表明,模型结构清晰、步骤明确、预测精度较高,为集对分析应用于水文预测提供了新思路。  相似文献   

3.
SOM-RBF神经网络模型在地下水位预测中的应用   总被引:1,自引:0,他引:1  
利用自组织映射(SOM)聚类模型优化径向基函数神经网络(RBFN)隐层节点的方法,减小了RBFN由于自身结构问题在地下水水位预测中产生的误差。采用SOM对已有样本进行聚类,利用聚类后的二维分布图确定隐层节点的数目,并根据聚类结果计算径向基函数的宽度,确定径向基函数的中心,由此建立SOM-RBFN模型。以吉林市丰满区二道乡为例,采用2000—2009年观测的地下水位动态资料,利用SOM-RBFN模型对地下水位进行预测,验证其准确性,并分别以5、7、10a的地下水位动态数据为研究样本建立模型,考查样本数量对预测结果的影响。研究结果表明:SOM-RBFN模型预测地下水水位过程中,均方根误差(RMSE)的均值为0.43,有效系数(CE)的均值为0.52,均达到较高标准,因此SOM-RBFN模型可以作为有效而准确的地下水水位预测方法;同时RBF7的RMSE和CE均值分别为0.38和0.68,结果优于RBF5和RBF10,这就意味着在模型计算中样本数量不会直接影响预测结果的精度。  相似文献   

4.
舒苏荀  龚文惠 《岩土力学》2015,36(7):2111-2116
边坡稳定性分析中,模糊点估计法能同时考虑模糊不确定性和随机不确定性因素。针对传统模糊点估计法计算工作量大的缺点,提出一种神经网络改进模糊点估计法。利用拉丁超立方抽样法和径向基函数神经网络(RBF)建立边坡安全系数的预测模型;对黏聚力和内摩擦角等模糊随机变量取λ截集,并在各截集水平对参数进行组合;利用建立的预测模型对各参数组合的安全系数进行预测;最后由统计矩点估计法计算边坡的可靠度指标。实例分析表明:改进模糊点估计法使用方便、结果可靠,且能通过增加λ截集水平的数目来提高计算精度。对于含有2~4个模糊随机变量的边坡,采用改进模糊点估计法计算可靠度时λ截集水平的数目可近似取25。  相似文献   

5.
为探究青藏高原工程走廊带昆仑山地区冻融土导热系数基本特征,采用瞬态平面热源法对钻取的349组冻土试样和245组融土试样导热系数进行了测试,分析了五类土导热系数分布特征及天然含水率、干密度与导热系数的偏相关性,并以两者为变量因素建立了经验公式拟合、支持向量回归(SVR)和径向基(RBF)神经网络导热系数预测模型。结果表明:冻融土导热系数整体均呈粗颗粒土大于细颗粒土特征,且冻土和融土导热系数随土性分布规律存在差异;天然含水率、干密度与导热系数均呈正相关性,不同土类偏相关性结果差异明显,典型土导热系数二元经验回归方程表现为非线性拟合结果。对比三种预测模型下各典型土冻融土导热系数预测结果,全风化千枚岩、角砾及砾砂三种预测模型效果整体较佳,粉土的SVR及RBF神经网络预测精度较好;融土导热系数预测效果整体略优于冻土,SVR及RBF神经网络模型下角砾、粉土及全风化千枚岩融土导热系数预测精度较高。综合导热系数模型预测效果和误差结果分析可得,SVR和RBF神经网络模型预测效果显著优于经验方程拟合,后者针对部分土性拟合效果相对较好,可满足一般工程估算需求;SVR和RBF神经网络预测模型针对不同土性导热系数预测效果呈差异性变化,整体预测效果相当,且预测精度更高、应用土性范围更广。  相似文献   

6.
岩爆发生机制复杂,影响因素较多,通过粗糙集理论中的属性约简和条件属性重要性评价,确定特定地质条件下岩爆的主要影响因素,删除冗余数据。使用遗传算法(GA)优化径向基函数(radial basis function,简称RBF)神经网络参数,通过RBF神经网络隐层单元将低维模式输入变换到高维空间内,拟合影响因子和岩爆等级之间的非线性映射关系,建立基于粗糙集理论的遗传-RBF神经网络岩爆预测模型,目前未见其在地下洞室岩爆预测中应用。在根据工程实际情况选取多个理论判据的基础上,将建立的预测模型应用于实际工程的岩爆预测问题,并与实际岩爆发生情况进行对比分析。结果证明,该方法的评价结果与实际情况较为吻合,对后期施工有较好的指导作用。  相似文献   

7.
地学自由曲面径向基函数网络重建的详细算法   总被引:3,自引:0,他引:3  
径向基函数(RadialBasisFunction,简称RBF)神经网络是一种理想的地学离散数据网格化工具,能够适应各种不同分布形式和边界条件的数据,收敛速度较快,可以逼近任何复杂曲面。这里详细介绍了RBF神经网络的算法。适当径向基函数的形式和偏差系数是使用RBF神经网络作地学曲面重建的关键。大量的实际数据验证结果表明,当选用Gauss型径向基函数时,一般可获得比较理想的网格化效果,同时具备"曲面平滑"和"拟合度高"的特点。  相似文献   

8.
借助部分矿区地表移动实测数据,选用径向基函数(RBF)神经网络对概率积分法的计算参数进行反演,采用K层交叉验证对模型精度进行优化,并与BP神经网络模型和SVM模型预测结果进行对比,发现RBF模型精度均优于BP模型和SVM模型,且其稳定性较好。可为概率积分法预测评估采空区地表移动变形范围提供一种可靠的方法。  相似文献   

9.
用径向基函数神经网络模型预报感潮河段洪水位   总被引:18,自引:1,他引:18       下载免费PDF全文
径向基函数神经网络方法是一类比较优越的前向式多层神经网络,将其应用于感潮河段的洪水位预报。利用K 均值算法和最小二乘法来确定径向基函数神经网络的参数,并给出了具体计算方法。由于该方法比传统的BP算法有较快的收敛速度,使其具有较大的应用价值。基于感潮河段的具体特点,构建了具有若干个时段预见期的径向基函数神经网络模型。该模型应用于沂河的水位预报,结果表明,该模型运算快速、简便,预报精度较高。  相似文献   

10.
PSO-RBFNN模型及其在岩土工程非线性时间序列预测中的应用   总被引:1,自引:0,他引:1  
岩土工程受力变形演化是一个典型的非线性问题,其演化的高度非线性和复杂性,很难用简单的力学、数学模型描述,但可用粒子群优化径向基神经网络对岩土工程应力、位移非线性时间序列进行动态实时预测。网络径向基层的单元数通过均值聚类法确定后,所有其它参数:中心位置、形状参数、网络权值,均通过粒子群优化算法在全局空间优化确定。工程实例应用表明,该模型预测结果准确、精度高,有良好的应用前景。  相似文献   

11.
This paper describes the application of multi-layer perceptron (MLP), radial basis network and adaptive neuro-fuzzy inference system (ANFIS) models for computing dissolved oxygen (DO), biochemical oxygen demand (BOD) and chemical oxygen demand (COD) levels in the Karoon River (Iran). Nine input water quality variables including EC, PH, Ca, Mg, Na, Turbidity, PO4, NO3 and NO2, which were measured in the river water, were employed for the models. The performance of these models was assessed by the coefficient of determination R 2, root mean square error and mean absolute error. The results showed that the computed values of DO, BOD and COD using both the artificial neural network and ANFIS models were in close agreement with their respective measured values in the river water. MLP was also better than other models in predicting water quality variables. Finally, the sensitive analysis was done to determine the relative importance and contribution of the input variables. The results showed that the phosphate was the most effective parameters on DO, BOD and COD.  相似文献   

12.
郑贵洲  乐校冬  王红平  花卫华 《地球科学》2017,42(12):2345-2353
遥感水深反演是水深测量的一种重要技术和手段.以美济礁水深反演为例,选择WorldView-02高分影像为数据源,在辐射定标和大气校正的基础上,构建BP(Back Propagation)和RBF(Radial Basis Function)人工神经网络水深反演模型,以遥感影像8个波段为输入层,通过tansig、logsig、高斯函数和purelin函数变换实现从输入层到隐含层、隐含层到输出层的转换,以便反演水深.最后对反演水深与实测水深采用回归分析,求解决定系数(coefficient of determination,R2)、平均决定误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)等进行比较,评价2种模型的精度.结果表明,RBF神经网络模型结构更简单,对样本要求更低,反演精度达到0.995,更适合遥感水深反演.   相似文献   

13.
BP和RBF神经网络技术以其强大的学习功能应用于水资源分类 ,取得了很好的效果。但当不具备已知样本时 ,以上技术很难应用。提出了可塑性较强、无监督的A -K网络模型 ,阐述了其基本原理和算法 ,并将其用于水文水资源研究领域中。实例表明 ,该方法能较理想地解决已知样本的分类问题 ,具有良好的应用前景  相似文献   

14.
工程围岩是一种高度非线性的复杂动态系统,其影响因素众多,单一的评价指标已不能准确描述围岩分类情况。目前,综合考虑多种指标评价围岩分类的方法很多,但围岩评价指标之间或多或少存在一定的相关性,其评价指标中存在一些服从非高斯分布的指标,无法满足概率神经网络(PNN)样本层中采用高斯分布作径向基函数的要求,因此,提出一种对称Alpha稳定分布(SaS)。SaS有更广泛的数学表达,其径向对称特性还可充当PNN样本层中高斯分布。在SaS的基础上,建立广州抽水蓄能电站二期工程围岩分类评价的SaS-PNN模型。预测结果表明,SaS-PNN模型具有良好的预测效果,其误判率为为4.55%。可为地下工程围岩分类评价提供一种新思路。  相似文献   

15.
水环境非线性时序预测的高精度RBF网络模型   总被引:6,自引:0,他引:6       下载免费PDF全文
为提高水环境非线性时序预测模型的精度,用自相关技术分析水环境时间序列的延迟特性,确定径向基函数(RBF)网络的输入、输出向量,建立了水环境时间序列预测的高精度RBF网络模型.用32年海洋水温时间序列实测资料来训练和检验网络并用于预测.用该模型对长江流域望江楼站8年总硬度、高锰酸盐指数、五日生化需氧量、氨氮、溶解氧、挥发酚、镉、氯化物、硫酸盐等9种水环境要素时间序列进行预测.实例分析表明,所建模型预测误差均较小,好于门限自回归模型,BP神经网络模型和ELMAN神经网络模型.所建模型不仅精度高,而且收敛速度快.  相似文献   

16.
导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数。近年来,BP神经网络广泛应用于导水裂隙带高度预测,但BP神经网络存在收敛速度慢、易陷入局部极小等问题。为提高导水裂隙带高度预测的准确性,利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化,建立基于PSO-BP神经网络的导水裂隙带高度预测模型。选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素,选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练,将训练后的PSO-BP神经网络对2例测试样本的预测结果与实际值进行对比,并与BP神经网络预测模型及经验公式预测结果进行对比。结果表明:PSO-BP神经网络预测模型的平均相对误差为1.55%;BP神经网络预测模型的平均相对误差为4.8%,经验公式的最小相对误差为9.4%,PSO-BP神经网络预测精度明显优于BP神经网络和经验公式,且绝对误差和相对误差变化较稳定,可以有效预测导水裂隙带高度。   相似文献   

17.
胡记磊  唐小微  裘江南 《岩土力学》2016,37(6):1745-1752
基于解释结构模型和因果图法,选取12个具有代表性的定性和定量因素,在大量数据不完备的情况下提出了建立贝叶斯网络液化模型的方法。以2011年日本东北地区太平洋近海地震液化不完备数据为例,采用总体精度、ROC曲线下面积、准确率、召回率和F1值5项指标对模型进行综合评估,并与径向基神经网络模型进行对比。结果表明:贝叶斯网络液化模型的回判和预测效果都优于径向基神经网络模型,且对于数据缺失的样本的预测效果也较理想。此外,该模型对于不同土质的液化评估均有较好的适用性。分类不均衡和抽样偏差会对模型的学习和预测效果产生很大影响,建议应同时采用上述5项评估指标进行综合评估模型的优劣。  相似文献   

18.
The demand for accurate predictions of sea level fluctuations in coastal management and ship navigation activities is increasing. To meet such demand, accessible high-quality data and proper modeling process are critically required. This study focuses on developing and validating a neural methodology applicable to the short-term forecast of the Caspian Sea level. The input and output data sets used contain two time series obtained from Topex/Poseidon and Jason-1 satellite altimetry missions from 1993 to 2008. The forecast is performed by multilayer perceptron network, radial basis function, and generalized regression neural networks. Several tests of different artificial neural network (ANN) architectures and learning algorithms are carried out as alternative methods to the conventional models to assess their applicability for estimating Caspian Sea level anomalies. The results derived from the ANN are compared with observed sea level values and with the forecasts calculated by a routine autoregressive moving average (ARMA) model. Different ANNs satisfactorily provide reliable results for the short-term prediction of Caspian Sea level anomalies. The root mean square errors of the differences between observations and predictions from artificial intelligence approaches can be significantly reduced by about 50 % compared with ARMA techniques.  相似文献   

19.
Building a model to rapidly simulate the impact of typhoons on agriculture and to predict agricultural losses is crucial and great help for remedial measure and distributing subvention right after the disaster. The relationship between typhoon-related meteorological factors and agricultural losses was first evaluated, and the Pearson??s test was applied to find consequences of both landfall and non-landfall which can be appropriately used to synthesize the possible coverage to suitably describe how typhoons influence agricultural losses. The self-organizing feature map (SOM) was then used to map similar properties of data into the same cluster and display the distribution of input?Coutput patterns. Then, the clusters were adopted as centroids of radial basis function (RBF) neural networks. Finally, two hybrid self-organizing radial basis (SORB) networks that integrated SOM into RBF were constructed for predicting the event-based agricultural losses by feeding two different meteorological inputs (scenarios 1 and 2). The results indicate that the constructed SORB network has great ability to capture the relationship between meteorological characteristics and agricultural losses. Previously, it always takes several days to investigate and evaluate the agricultural damages after typhoons, which is a time-consuming process. In this study, the proposed agri-economic model also demonstrates its outstanding predictability, in real-time, and therefore effectively accelerates the official decision making on agricultural compensation after a typhoon strike.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号