Release Time:2019-03-11  Hits:

Indexed by: Journal Article

Date of Publication: 2014-01-01

Journal: 中国科学. 技术科学

Included Journals: CSCD、ISTIC、PKU

Volume: 44

Issue: 9

Page Number: 1004-1012

ISSN: 1674-7259

Key Words: 递归神经网络; 回声状态网络; 贝叶斯理论; 径流预报

Abstract: 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.