遗传算法改进的BP神经网络对汛期三门峡水库泥沙冲淤量的计算

本文针对BP神经网络收敛速度慢和易于陷入极小值的问题,采用将遗传算法全局寻优和BP神经网络局部寻优相结合的方法,提高了BP神经网络的计算精度和收敛速度。应用该模型和一般BP神经网络模型对汛期三门峡水库的泥沙冲淤量进行了计算和预测。数值结果对比发现,经遗传算法改进后的BP神经网络模型在降低计算和预测的平均误差的同时,迭代次数比一般BP神经网络模型也大大减少。因此适用于求解如计算水库泥沙冲淤量等非线性问题。

模糊神经网络对汛期三门峡水库泥沙冲淤量的计算

本文通过对多年实测资料的分析 ,总结出对三门峡水库泥沙冲淤量影响很大的变量的经验公式。在分析了汛期三门峡水库泥沙冲淤影响因子的基础上 ,鉴于模糊集合论与神经网络和智能预报的研究关系密切 ,可对非线性问题进行智能预报的特点 ,利用模糊神经网络模型对三门峡水库泥沙冲淤量进行了计算。该模型精度满足要求 ,计算结果比较合理 。