基于神经网络的水库枯季中长期径流预测模型研究

发布时间：2023-09-29 01:21

　　为获得水库枯水季径流预测的标准模型,基于前馈神经网络FN、动态递归神经网络EN、卷积神经网络RBF、级联神经网络CN共4种神经网络模型,结合梯度下降法traingd、有动量的梯度下降法traingdm、自适应lr梯度下降法traingda、贝叶斯正则化算法trainbr、一步正割算法trainosss 5种训练算法,共20种模型,比较得出最优模型,结果表明:模型最优隐含层个数可取10,迭代次数可取4500,可使模型精度最高且运行效率最高;4种神经网络模型均选用trainosss训练算法,可保证较高的运行效率;级联神经网络模型在枯水期不同月份的径流预测中表现出了最高的精度,可作为水库枯水期径流预测的标准模型使用。

【文章页数】：5 页

【文章目录】：
1 研究方法
    1.1 前馈神经网络
    1.2 动态递归神经网络
    1.3 卷积神经网络
    1.4 级联神经网络
    1.5 模型训练与预测
    1.6 模型精度验证
2 结果分析
    2.1 模型基本参数确定
    2.2 模型最优训练算法确定
    2.3 枯水季不同月份径流模拟结果对比
    2.4 枯水季不同月份径流模拟结果精度对比
3 结论



本文编号：3849003