×
Choy，K.Y.先生。;陈，C.W。

使用基于支持向量回归的径向基函数网络对河流流量和降雨量进行建模。 （英语） Zbl 1057.93500号

国际期刊系统。科学。 34，第14-15号，763-773（2003）.
摘要：基于径向基函数（RBF）的联想记忆网络（AMN）通常用于建模复杂和非线性系统，因为它们可以以任意精度逼近非线性系统，并且可以从数据中进行训练。然而，只有适当选择RBF网络的结构，才能获得良好的泛化效果。提出了一种基于支持向量机（SVM）的支持向量（SVs）选择RBF网络结构的方法。这种方法的主要优点是可以客观地获得网络的结构，因为支持向量机的支持向量是从给定误差界的约束优化中获得的。为了方便起见，这类AMN被称为支持向量径向基函数网络（SVRBFN）。在本文中，使用SVRBFN对富士河的降雨量和河流流量之间的关系进行了建模。由于数据采集过程中产生的建模误差中存在较大的异常值，因此在使用调整后的数据重新训练SVRBFN之前，首先将其删除，以便更好地近似降雨和河流流量之间的关系。SVRBFN的泛化能力是使用网络训练中未使用的最新测试数据进行验证的。给定降雨的河流流量预测可以通过SVRBFN进行计算，它可以在暴雨和长时间降雨时提供严重河流流量的早期预警。

引用于1文件

MSC公司：

93A30型 系统数学建模（MSC2010）
92B20型 用于/用于生物研究、人工生命和相关主题的神经网络

关键词：

神经网络;联想记忆网络;径向基函数;非线性系统;支持向量机;富士河
PDF格式BibTeX公司 XML格式引用
\textit{K.Y.Choy}和\textit{C.W.Chan}，国际期刊系统。科学。34、编号14-15、763--773（2003；Zbl 1057.93500）
全文： 内政部

参考文献：

[1] Bertsekas D.P.，约束优化和拉格朗日乘子方法（1982）·Zbl 0572.90067号
[2] Brown M.，神经模糊自适应建模与控制（1994）
[3] Caines P.E.，线性随机系统（1988）·Zbl 0658.93003号
[4] Chan W.C.，《人工智能的工程应用》，第14页，105–（2001）·doi:10.1016/S0952-1976（00）00069-5
[5] Chan C.W.，《国际系统科学杂志》，33 pp 751–（2002）·Zbl 1016.93013号 ·doi:10.1080/00207720210161759
[6] 内政部：10.1080/00207179208934317·兹比尔0764.93021 ·doi:10.1080/00207179208934317
[7] 内政部：10.1080/00207729008910567·Zbl 0706.93074号 ·doi:10.1080/00207729008910567
[8] Cortes C.，机器学习20 pp 273–（1995）
[9] Harris C.J.，自适应建模、估计和数据融合——神经模糊方法（2002年）·Zbl 1005.68048号 ·doi:10.1007/978-3-642-18242-6
[10] 内政部：10.1049/ip-cta:19971436·Zbl 0885.93025号 ·doi:10.1049/ip-cta:19971436
[11] 内政部：10.1016/0893-6080（89）90020-8·Zbl 1383.92015年 ·doi:10.1016/0893-6080（89）90020-8
[12] Jang J.-S.R.，《神经模糊和软计算：学习和机器智能的计算方法》（1997）
[13] Jayawardena A.W.Takeuchi K.Machbub B.1997年东南亚及太平洋河流目录II香港UNESCO-IHP第285页
[14] Jenkins G.M.，建模和预测时间序列的实践经验（1979年）·兹伯利0417.62072
[15] Kavli T.，《控制中的神经网络工程》，第83–104页–（1995）
[16] 内政部：10.1080/0020772021000017317·Zbl 1013.93055号 ·doi:10.1080/0020772021000017317
[17] Powell M.J.D.，《数值分析进展》，第2卷，小波、细分算法和径向基函数第105–210页–（1992）
[18] 内政部：10.1109/78.650102·数字对象标识代码：10.1109/78.650102
[19] 内政部：10.1080/002071797223884·Zbl 0900.93025号 ·doi:10.1080/002071797223884
[20] Vapnik V.，《统计学习理论的本质》（1995年）·Zbl 0833.62008号
[21] Young P.C.，《模型验证：水文科学观点》，第117-162页–（2001）
[22] Young P.C.，《水科学与技术》，第36页，第99页–（1997年）·doi:10.1016/S0273-1223（97）00465-4
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。