论文部分内容阅读
采用遗传算法结合神经网络的方法构建了水质时间序列的遗传神经网络预测模型,并以耗氧量为例,将该模型与自回归滑动平均模型、标准BP神经网络模型做了预测对比。研究结果表明该方法可以减小水质时间序列的预测误差,提高预测结果的稳定性。
水质时间序列的遗传神经网络预测
【摘 要】
：
采用遗传算法结合神经网络的方法构建了水质时间序列的遗传神经网络预测模型,并以耗氧量为例,将该模型与自回归滑动平均模型、标准BP神经网络模型做了预测对比。研究结果表明
【机 构】
：
广东工业大学
【出 处】
：
广东水利水电
【发表日期】
：
2010年6期
其他文献
以大河电站1F蝴蝶阀为例,阐述其关闭故障及原因,并重点探讨其处理方法,供相关工作参考借鉴。