科研之友
微信
新浪微博
Facebook
分享链接
摘要
实时、精准的潮位预测对现代海洋经济的发展具有重要意义。传统调和分析和神经网络方法预测潮位的过程中，受风力、气压等环境因素影响，潮位变化呈时变非平稳特性，会出现预测精度低，收敛速度慢等问题。为此，本文提出一种基于遗传算法优化的反向传播(BP)神经网络预测模型，利用遗传算法的选择、交叉和变异操作对BP神经网络的初始权值和阈值进行全局寻优，从而解决BP神经网络初值选取困难，易陷入局部极值的问题，提高模型的收敛速度并采用实际港口潮位数据对所提方法的性能进行验证。结果表明，相较于传统BP神经网络和粒子群算法优化BP神经网络(PSO-BP)模型，本文所提方法的实时性更高，其模型性能提高50%以上，尤其在小样本情况下，优势更加明显。
- 出版日期2023
- 单位广东省国土资源测绘院
