您的位置: 专家智库 > >

郭皓

作品数:5 被引量:21H指数:3
供职机构:东北农业大学水利与土木工程学院更多>>
发文基金:国家教育部博士点基金国家自然科学基金水利部公益性行业科研专项更多>>
相关领域:水利工程天文地球环境科学与工程更多>>

文献类型

  • 4篇期刊文章
  • 1篇学位论文

领域

  • 4篇天文地球
  • 4篇水利工程
  • 1篇环境科学与工...

主题

  • 3篇径向基
  • 3篇降水
  • 2篇神经网
  • 2篇神经网络
  • 2篇径向基函数
  • 2篇降水量
  • 2篇降水预测
  • 2篇降雨
  • 2篇K-均值
  • 1篇影响因子分析
  • 1篇雨量
  • 1篇水文
  • 1篇水文学
  • 1篇流域
  • 1篇挠力河流域
  • 1篇径向基函数神...
  • 1篇径向基神经
  • 1篇径向基神经网...
  • 1篇基函数
  • 1篇基函数神经网...

机构

  • 5篇东北农业大学
  • 1篇北京工业大学
  • 1篇中国水利水电...

作者

  • 5篇郭皓
  • 4篇邢贞相
  • 2篇付强
  • 2篇李晶
  • 1篇冯杰
  • 1篇纪毅
  • 1篇张涵

传媒

  • 1篇中国农村水利...
  • 1篇水土保持研究
  • 1篇农业机械学报
  • 1篇沈阳农业大学...

年份

  • 1篇2017
  • 3篇2015
  • 1篇2014
5 条 记 录,以下是 1-5
排序方式:
基于改进径向基函数的降雨量短期预测研究被引量:8
2017年
为提高短期降水量预测的精度,尤其是汛期降水量的准确估计对防洪减灾以及水资源管理都具有很重要的指导意义。将具有较强非线性映射能力的人工神经网络技术用于汛期降水量预测,更符合降水量的随机相关特征,能切实提高其预测精度。将基于密度参数改进传统K-均值算法与径向基函数神经网络(radial basis function,RBF)耦合,提出了一种新的短期降雨量预报模型。并将所构建的模型应用于黑龙江省双鸭山市汛期月降雨量预报中进行验证。RBF神经网络是一种泛化能力较强的前馈型神经网络模型;密度参数可以通过寻找聚类中心至样本平均距离区域内样本的最优密度,使K-均值算法确定的RBF神经网络基函数中心减少波动,消除标准K-均值算法对初始聚类中心的敏感性,提高RBF网络的逼近能力和网络中心的搜索速度。研究结果表明:基于改进径向基函数的降雨预报模型对于预见期2010年、2011年和2012年的汛期(6~9月)降雨量的计算平均相对误差为10.81%,确定性系数为0.95,预报精度比标准K-均值算法和BP神经网络两种模型的计算结果都有所提高。本研究确定的径向基函数能够更好地描述研究区域汛期月降雨量间的映射关系,与标准K-均值算法和BP神经网络两种模型相比,除预报精度有所提高外,其收敛速度更快,这表明本方法能对短期降水预报提供更高的预报精度。
董淑华邢贞相娄丹张玉国张涵郭皓
关键词:径向基函数K-均值
挠力河流域水基系统健康评价及指标体系研究被引量:2
2015年
水生态环境遭到不同程度的破坏,流域健康状况越来越受到重视。水基系统的提出为流域健康评价提供了新的理论框架。现以挠力河流域为研究基点,根据其国家农产品主产区的特点,在水基系统的理论框架下,研究了适合该流域的健康评价等级标准,并依据指标选取5项原则、流域的自然经济状况构建了挠力河流域的水基系统健康评价指标体系。筛选了以农业生产和可持续发展为主导的评价指标集,分析了特定指标对该研究区域的适用性。所建立水基系统健康评价体系和指标集可为挠力流域的可持续发展提供技术支持。
邢贞相李晶郭皓纪毅冯杰
关键词:挠力河流域
灌区降水量影响因子分析与集合降水预测被引量:5
2015年
针对降水随机性较强、影响因素复杂、单一模型预测精度低的特点,采用集对分析法,研究降水量与气象影响因子的关系。将基于密度参数的径向基函数人工神经网络模型与灰色模型相结合,利用信息熵权重法计算2个单一模型的权重,构建基于信息熵的集合模型(Combing model based on information entropy,IE-CM),用于三江平原友谊农场的降水量预测。研究结果表明,与单一模型相比,IE-CM模型预测结果的决定系数、平均相对误差及均方根误差较单一模型均有所提高,分别为0.99、10.655%和3.03 mm,预测结果的合格率为83.3%,均满足水文预测要求。
邢贞相郭皓付强
关键词:集对分析法径向基神经网络
基于集合预测及BFS的概率降雨预报方法研究
享有“中国第一大农场”之称的友谊农场,位于三江平原地区,农场内气候适宜、土质肥沃、资源丰富、地下水充足,是我省主要的粮食产能基地。近年来,在气候变暖和人类活动频繁干扰等多种因素的影响下,三江平原许多灌区的自然平衡状态正在...
郭皓
关键词:降水预测不确定性
文献传递
基于密度参数K-均值算法的RBF网络及其在降水量预测中的应用被引量:4
2014年
径向基函数(Radial Basis Funtion,简称RBF)神经网络是一种收敛速度快、逼近能力强的前馈型神经网络。为提高网络的训练速度,采用基于密度参数的K-均值算法,消除传统K-均值算法对初始聚类中心的敏感性,构建了基于K-均值算法的RBF降水预报模型,并应用于挠力河流域的友谊农场汛期月降水量预报中,以检验所建模型的有效性。结果表明,与标准的K-均值算法RBF网络模型和BP(Back Propagation)网络模型相比,所构建的RBF降水预报模型对2008年,2009年,2010年各年间汛期(6—9月)降水量的预测平均相对误差为9.270 7%;确定性系数为0.96。预报精度均有所提高,且满足水文预报要求。
郭皓邢贞相付强李晶
关键词:水文学降水量预测径向基函数神经网络K-均值
共1页<1>
聚类工具0