|
个人信息Personal Information
教授
博士生导师
硕士生导师
性别：女
毕业院校：日本九州大学
学位：博士
所在单位：控制科学与工程学院
办公地点：创新园大厦B601
联系方式：minhan@dlut.edu.cn
电子邮箱：minhan@dlut.edu.cn
扫描关注
基于神经网络的年径流量预测
点击次数：
论文类型：会议论文
发表时间：2002-08-12
页面范围：332-335
关键字：神经网络;ULN;预测;年径流量;系统辨识
摘要：本文旨在讨论如何用人工神经网络(ANN)的方法预测河川年径流量,采纳一种新型的神经网络——通用学习网络(Universal Learning Network,ULN).该网络所有节点互连,而且每两个节点之间是带有任意时间延迟的多重连接.以黄河年径流量预测为例,仿真表明,通过学习,ULN可成功地记忆年径流量的样本信息,建立非线性的年径流模型.通过与传统的卡尔曼滤波算法预测比较,ULN对年径流量的预测达到了较高的精度.