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

编号 zgly0001478707

文献类型 期刊论文

文献题名 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

作者 郭皓  邢贞相  付强  李晶 

作者单位 东北农业大学水利与建筑学院  黑龙江省粮食产能提升协同创新中心  黑龙江省高校节水农业重点实验室 

母体文献 水土保持研究 

年卷期 2014年06期

年份 2014 

分类号 TP183  P457.6 

关键词 水文学  降水量预测  径向基函数神经网络  密度参数  K-均值 

文摘内容 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。