《表4 BP神经网络的节点数和训练次数》
将各种方法选取的因子集分别作为BP、GRNN神经网络的模型输入,对官地水库的入库流量进行预测,采用交叉验证训练法对神经网络的参数进行选取,将2014年1月—2017年11月非汛期、汛期流量数据资料的前60%用于神经网络模型的学习训练,中间20%的数据用于模型的过拟合检验,剩余20%的数据用于模型最终预报效果的检测。在训练阶段,采用前60%的流量数据进行模型的训练,分别采用Nash效率系数、平均相对误差及预报合格率作为评价指标,在训练过程中设置不同节点数,逐次增加模型的训练次数,当检验数据的评价准则达到最佳时,记录隐层节点数和训练次数,同样逐次增加GRNN神经网络的散布常数值,记录评价准则最佳的散布常数值,选取结果如表3和表4所示。
图表编号 | XD0073921000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 纪昌明、刘源、张验科、梁小青 |
绘制单位 | 华北电力大学可再生能源学院、华北电力大学可再生能源学院、华北电力大学可再生能源学院、华北电力大学可再生能源学院、甘肃民族师范学院物理与水电工程系 |
更多格式 | 高清、无水印(增值服务) |