10.3969/j.issn.1001-4179.2011.21.016
基于PSO-GRNN方法的城市用水量短期预测
鉴于城市用水量短期预测中传统的神经网络训练易陷入局部极小点、收敛速度较慢等问题,采用具有全局随机优化思想的PSO算法对GRNN神经网络径向基函数的扩展速度进行优化,提出了城市用水量的PSO-GRNN神经网络预测方法.根据某市日用水量的实测数据进行建模和预测,通过与最小二乘模型、核估计模型、局部线性估计模型的模拟效果进行对比表明:PSO-GRNN网络具有较强的自适应能力和泛化能力,能够有效地提高用水量的预测精度.
PSO-GRNN方法、泛化能力、城市用水量、预测模型
42
TU991.31(地下建筑)
河北省建设科学技术研究计划2007-121
2012-05-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
56-59,89