输入模式和遗传算子对神经网络径流预报精度的影响

作者：王志国; 陈立; 张春燕; 邓晓丽

来源：水电能源科学, 2005, (03): 26-91.

• 径流预报
• 人工神经网络
• 遗传算子
• 输入模式 runoff forecast
• artifical neural network
• genetic operator
• data-in mode

采用均匀设计的方法安排数值试验,比较不同的遗传算子组合及数据输入模式对神经网络径流预报精度的影响。研究发现,与未归一数据输入模式相比,归一化数据输入模式使网络预报的精度明显提高;不同算子组合优化神经网络初始权重径流预报精度差别较大,未归一网络的优化效果较归一网络好;同时采用数据归一输入模式与遗传算法优化神经网络初始权重未产生优化效果叠加。

• 单位
  武汉大学; 水资源与水电工程科学国家重点实验室