摘要
用变化较大的、精度不高的数据组建立多层反向传播神经网络(BPANN)模型,用以模拟印度纳尔默达河两个小流域Banjar~Hridaynagar和Narmada-Manot的3种时间尺度(周、10d、月)的降雨径流过程。采用梯度下降优化技术建立BPANN径流模型,并通过交叉检验进行概化。用变化相对较大、精度不高的数据资料建立起来的BPANN,在几乎所有情况下,计算迭代次数较少,概化程度较高。计算结果表明,BPANN模型的性能优于线性转换函数模型(LTF)。
出处
《水资源研究》
2006年第2期45-49,共5页
Journal of Water Resources Research