基于GA-Elman的河流水位预测方法研究
河流水位的变化过程是一个复杂的非线性过程,传统的神经网络预测存在误差较大、收敛速度慢、稳定性差等问题.为了实现对河流水位的有效预测,提出基于遗传算法(GA)优化Elman神经网络的河流水位预测模型.将GA与Elman网络进行有效结合,解决了单一Elman网络存在的不足.选取永定河的监测站点水文数据对河流水位进行预测与检验,并分别将其与Elman网络与BP网络预测结果进行对比.对比结果表明:GA-Elman水位预测模型的收敛速度快、精度高,可根据预测结果实现对水库、拦河闸合理调用,实现对河流水资源的有效配置,以满足灌溉、发电、防洪等工作的需求.
河流水位、预测模型、GA算法、Elman网络、BP网络、河流水资源有效配置
35
TV213.9
国家自然科学基金面上项目51179002;北京市市属高校创新能力提升计划项目PXM2014014213000033;北京市教委科技计划重点项目KZ201510011011
2018-10-12(万方平台首次上网日期,不代表论文的发表时间)
共4页
34-37