基于Elman网络和实时递归学习的洪水预报研究

论文摘要

流域洪水形成过程异常复杂且动态变化,一般难以用传统的静态神经网络进行描述。然而,具有反馈连接的动态神经网络能够很好地反映洪水过程这种动态变化特征。为此,研究基于Elman动态网络构建流域洪水预报模型,采用具有在线学习功能的实时递归学习算法进行模型训练,并将所建模型和算法运用于淮河水系响洪甸水库的入库洪水实时预报中。结果表明,所建模型预报精度高,实时性强,能够为流域的防洪决策提供支持。

论文目录

• 1 研究方法
•   1.1 Elman动态网络
•   1.2 性能函数
•   1.3 实时递归学习算法
• 2 研究实例
•   2.1 流域与水库概况
•   2.2 结果与讨论
• 3 结论

文章来源

类型: 期刊论文

作者: 万新宇,华丽娟,孙淼焱,钟平安

关键词: 实时洪水预报,动态神经网络,实时递归学习

来源: 水力发电 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学

专业: 地球物理学

单位: 河海大学水文水资源学院

基金: 国家重点研发计划(2016YFC0400909)

分类号: P338

页码: 12-16

总页数: 5

文件大小: 2223K

下载量: 194