论文部分内容阅读
为了提高径流预报的精度，采用一种基于粒子群和遗传的混合方法同时优化人工神经网络结构、连接权和偏置，在进化过程中采用训练样本和验证样本共享适应度技术，并以此建立径流预报模型。通过对柳州径流实例分析，并与离子群优化的人工神经网络模型、遗传进化的人工神经网络模型和时间序列模型方法对比，研究结果表明，该方法学习能力强、泛化性能高和有效提高系统预测的准确率，为获得更高预测精度的径流预报提供了一种有效的建模方法。