基于人工神经网络的模型择优预测方法及应用 The forecasting method of selecting-best model based on artificial neural networks and its application.pdfVIP

下载本文档

4
0
约1.01万字
约 5页
2017-12-16 发布于上海
举报
版权申诉

基于人工神经网络的模型择优预测方法及应用 The forecasting method of selecting-best model based on artificial neural networks and its application.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于人工神经网络的模型择优预测方法及应用 The forecasting method of selecting-best model based on artificial neural networks and its application

第26卷第6期水力发电学报 V01．26No．6 2007年12月 JOURNAL0FHYDROEI正CTRICENGINEERING Dec．．2007 基于人工神经网络的模型择优预测方法及应用张礼兵1’2，金菊良1 ，程吉林2，赵国峰2 (1．合肥工业大学土木与建筑工程学院，合肥230009；摘要：针对组合预测中各模型权重难以合理确定的问题，根据“择优取用”原则将组合预测问题转化为一种模式识别问题，并采用非线性映射能力很强的改进BP人工神经网络方法进行该问题的求解。实例表明，这种择优预测方法不仅有效避免了传统组合预测模型权重的繁琐计算，而且能集各模型所长，概念清晰，计算简便。该法作为变权重组合预测方法的一个特例，在灾害风险预测等中有较高的实用价值。关键词：水资源；组合预测；BP人工神经网络；模型择优中图分类号：Tv211．1 文献标识码：A onartificial The methodof modelbased fbrecasting selecting-best its neuralIletworksandapplicanon zHANG Jilin2，zHAo Libin91一，JINJulian91，cHENGGuofen矿 230009； (1．5c九oDz旷a∥以E昭i聊e矗凡g，蚴i踟觇珊毋旷‰^加z哟，，撇i 225009) 2．Jsc危ooZ矿月弘mMZicE昭i耻e矗昭ⅡndSc据脱e，玩增加u如讹瑙妙，y0，动DⅡ Abs咖ct：Inordertodealwiththe ofhowto determinethe ofcombined pmblem scientifically weights forecasting anewmethodis inthis tothe ofthebest the models(CFM)， presentedp印er．Acco耐ing principle selection， coH出ined modelistTansfomedintoa of canberesolVedthemethodof forecasting p∞blempattemrecogIlition，it by BPanincial whichowns neuralnetwork(ANN)the ofnon—linear impmved ability mapping．rr}1e舀venexample showsthatthesocalled modelnot aVoidsthe of forecasting selecting-best onlysuccessfully complexpmgres