Lv.1
关注
0
粉丝
0
+关注
私信
抢红包
全部
帖子
资料
课程
BP神经网络预测日径流序列的数据适应性分析
对于不同数据特点的序列神经网络的逼近能力有较大的差异。为了使BP神经网络预测河流日径流的效果有较大改善, 分析了S型神经元的训练和数据调整过
BP神经网络在径流长期预测中的应用
人工神经网络作为一个具有高度非线性映射能力的计算模型, 已广泛应用于模式识别、自动控制等许多领域。在数值预测方面, 它不需要预先确定样本的数
ARIMA与ANN组合预测模型在中长期径流预报
基于时间序列预测模型及BP 神经网络, 提出了新的组合预测方法。该方法采用三层结构的BP 神经网络来构造组合预测模型, 运用时间序列模型预测
改进遗传算法及其在水库群优化调度中的应用
根据梯级水电站优化调度特点, 建立遗传算法( GA) 求解多阶段最优化问题的数学模型。从编码方法、遗传算子和混合算法方面对其进行改进, 提出
变尺度混沌优化算法在梯级水电站水库优化的调度
主要思想是利用混沌运动的随机性, 由Logistic 方程随机生成混沌序列; 将其载波到包含水电站目标函数可行域S 的一个区域; 利用随机性
小波神经网络在径流预测中的应用研究
将小波变换应用到径流序列分析中, 获得了黄河陕县水文站109年径流序列的组成情况和变化趋势。用BP神 经网络与小波变换相结合, 对该站10
基于马尔可夫模型的河川径流丰枯状态预测
依据山东半岛丘陵区大沽夹河1966~2003 年逐年径流量, 根据有序聚类和时间序列分析的马尔可夫预报模型, 对大沽夹河2004年的丰枯状态
洪水过程预测模型研究
对入库洪水过程预测模型、区间洪水过程预测模型的理论和应用进行了深入研究。 其研究成果已在实际中应用, 取得满意效果。
梯级水电站水库蓄能利用最大化的长期优化调度
建立蕴涵末级水电站弃水电量最小、水力资源电站间分配时的发电量增益最大和水电站总发电量最大的梯级水电站水库蓄能利用最大化长期优化调度数学模型。
考虑洪水浸泡的黄河下游堤防稳定性预测
结果表明: 黄河下游堤防堤身土被洪水浸泡120 h后, 黏土的黏聚力降低72. 6%, 粉土的黏聚力降低62. 8%, 而两种土的内摩擦角均
点击加载更多
APP内打开
