文献

J-GLOBAL ID：201602271803855830   整理番号：16A0979009

カオス最適化BPニューラルネットワークの潮津波河川の短期予報モデルに基づく【JST・京大機械翻訳】

Short-term prediction model of river tidal bores based on chaos optimization algorithms and BP neural networks

著者 (3件)： Wang Ruirong (College of Information Science & Instrument Engineering, Hangzhou Dianzi University) ,  Xue Chu (College of Information Science & Instrument Engineering, Hangzhou Dianzi University) ,  Chen Haolong (College of Information Science & Instrument Engineering, Hangzhou Dianzi University)
資料名： Shuili Fadian Xuebao  (Shuili Fadian Xuebao)
巻： 35  号： 4  ページ： 80-88  発行年： 2016年 
JST資料番号： C2170A  ISSN： 1003-1243  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 江潮決定を予報の正確性を向上するために,経験的モデルと従来の神経ネットワークモデルの予測精度が悪いの限界に対して,本論文では,相空間再構成技術のBP神経回路網予報モデル江潮決定に基づく採用する。このモデルではまず,隔日の潮時差まで配列に対してカオスの特性解析を行い,次に位相空間を利用することにより,BP神経回路網の入力構造を決定した。このモデルから潮時差配列可能性の誤差を予測する,修正最終予報結果を与えた。銭塘江の4つの観測ステーションの決定を予測,4つのサイト決定を統計のRMSE値は,平均83.9%減少したことにより,このモデルが信頼できるそして高い予報精度を持つことを示した。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： *予測モデル ,  *潮汐 ,  性能分析 ,  河川 ,  位相空間 ,  *カオス ,  神経回路網 ,  *最適化
準シソーラス用語： 予測精度 ,  神経ネットワーク ,  経験モデル ,  正確性 ,  *短期予報 ,  *逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： measuring and testing technologies and instruments ,  tide prediction ,  chaos theory ,  neural networks

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (7件)： カオス ,  最適化 ,  BPニューラルネットワーク ,  潮津波 ,  河川 ,  短期予報 ,  モデル