日径流预报贝叶斯回声状态网络方法

摘要：

回声状态网络(ESN)相比传统递归神经网络,具有模型简单、参数训练速度快的特点.针对标准ESN因常采用线性回归率定模型参数容易出现过拟合问题,提出了基于贝叶斯回声状态网络(BESN)的日径流预报模型.该模型将贝叶斯理论与ESN模型相结合,通过权重后验概率密度最大化而获得最优输出权重,提高了模型的泛化能力.通过安砂和新丰江两座水库日径流预测实例表明,BESN模型是一种有效、可行的预测方法,与传统BP神经网络和ESN模型对比,进一步表明BESN模型具有更好的预测精度.

关键词：递归神经网络、回声状态网络、贝叶斯理论、径流预报

所属期刊栏目：44

资助基金：国家高技术研究发展计划专项经费编号:2012AA050205和国家自然科学基金批准号:51109024资助项目

在线出版日期：2014-10-22（万方平台首次上网日期，不代表论文的发表时间）

页码：1004-1012