遗传算法和神经网络都可以用于处理难于建立经典数学模型的数据信息,两者目标相近而方法相异.该论文中,尝试采用将遗传算法和径向基函数网络相结合的方法对该省江淮流域的旱涝灾害因素进行预测并进行推广,从实验结果来看,它有一定的可行性.论文中,研究采用了改进的GA算法对RBF神经网络的中心和宽度进行了优化,并将优化后的网络用于泛函逼近和非线性时间序列预测,同时与采用传统的K-means的RBF网络进行比较.实验结果表明,采用GA优化的RBF网络具有更好的拟合和预测能力.在该文中,研究人员将GA优化的RBF神经网络构造成灾害预测器,对旱涝灾害的几种因素:安徽省江淮流域内主要站点近50年月降水量、河流最高水位、河流最大流量和太阳黑子年平均指数进行单项预测,并加以改进和推广对新疆雅马渡站的年径流量进行综合测评.