基于改进径向基函数的降雨量短期预测研究
2017-06-15分类号：P457.6;TP183
【部门】黑龙江省水文局 东北农业大学水利与土木工程学院
【摘要】为提高短期降水量预测的精度,尤其是汛期降水量的准确估计对防洪减灾以及水资源管理都具有很重要的指导意义。将具有较强非线性映射能力的人工神经网络技术用于汛期降水量预测,更符合降水量的随机相关特征,能切实提高其预测精度。将基于密度参数改进传统K-均值算法与径向基函数神经网络(radial basis function,RBF)耦合,提出了一种新的短期降雨量预报模型。并将所构建的模型应用于黑龙江省双鸭山市汛期月降雨量预报中进行验证。RBF神经网络是一种泛化能力较强的前馈型神经网络模型;密度参数可以通过寻找聚类中心
【关键词】径向基函数 密度参数 K-均值 汛期降雨量
【基金】国家自然科学基金项目(51109036,51179032);; 黑龙江省自然科学基金项目(E2015024);; 教育部高等学校博士点学科专项科研基金项目(20112325120009);; 黑龙江省级领军人才梯队后备带头人资助项目(500001);; 黑龙江省水利厅科技开发项目(201402,201403);; 东北农业大学“学术骨干”项目(518536)
【所属期刊栏目】沈阳农业大学学报
文献传递
