遗传算法改进的BP神经网络在混沌径流时间序列预测中的应用
区别于传统的提取混沌时间序列饱和嵌入维数的方法,本文利用人工神经网络成功地对水库混沌径流时间序列的饱和嵌入维数进行了提取,计算了该时间序列里的最大Lyapunov指数,两种方法结果都证明了该时间序列的混沌性.并用遗传算法对BP神经网络进行了改进,利用该模型对三门峡水库混沌径流时间序列进行了预测.实例计算表明该方法解决了BP神经网络收敛速度慢和易于陷入极小值的问题,大大提高了BP神经网络的计算精度和收敛速度.无论在计算精度上还是在收敛次数上都优于没有改进的BP神经网络.
练继建,LIAN Ji-jian(天津大学建工学院,天津,300072)
朱云,ZHU Yun(宁夏回族自治区水利厅防办,宁夏,银川,750001)
刊 名： 水文 ISTIC PKU 英文刊名： JOURNAL OF CHINA HYDROLOGY 年，卷(期)： 2007 27(2) 分类号： P338+.9 关键词： 混沌径流时间序列 BP神经网络 遗传算法 Lyapunov指数