遗传算法改进的BP神经网络在混沌径流时间序列预测中的应用
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

P338.9

基金项目:


Application of BP Networks Improved by GA in Forecasting Chaotic Runoff Time Series
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    区别于传统的提取混沌时间序列饱和嵌入维数的方法,本文利用人工神经网络成功地对水库混沌径流时间序列的饱和嵌入维数进行了提取,计算了该时间序列里的最大Lyapunov指数,两种方法结果都证明了该时间序列的混沌性。并用遗传算法对BP神经网络进行了改进,利用该模型对三门峡水库混沌径流时间序列进行了预测。实例计算表明该方法解决了BP神经网络收敛速度慢和易于陷入极小值的问题,大大提高了BP神经网络的计算精度和收敛速度。无论在计算精度上还是在收敛次数上都优于没有改进的BP神经网络。

    Abstract:

    In this paper introduced Artificial Neural Networks(ANN),which is different from tradition way and has been used to take out the dimension of the chaotic runoff time series of reservoirs.The Genetic Algorithm(GA) and ANN were combined together to repair the shortcoming of each other.The new method has been applied to calculate and forecast the chaotic runoff of the Sanmenxia Reservoir.Contrast to the normal BP networks,the calculation error of the new model is reduced,and the convergence speed is improved.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:2006-04-18
  • 录用日期:
  • 在线发布日期:
  • 出版日期: