【技术实现步骤摘要】
本专利技术涉及一种水量预测的方法，特别是涉及一种新息递补BP (多层 非线性映射神经网络)模型需水预测方法。
技术介绍
水资源是基础的自然资源，同时又是战略性经济资源。展望未来，水 资源正日益影响全球的环境与发展。探讨21世纪水资源战略问题是全球共 同关注的焦点之一。过去由于预测方法的局限性，对需水量的预测普遍偏 高，造成对水资源决策上的不同程度的误导。而我国是世界上水资源短缺 的主要国家之一，有些地区水资源短缺已经达到了严重不足的程度，而这 有限的宝贵的水资源的不合理开发利用，会加剧水资源紧张状况和供需矛 盾，使水资源开发利用走进了恶性循环怪圈，也影响了水资源的可持续利 用和社会经济的持续发展。我国在需水量预测中存在需水量预测长期预测结果与实际情况误差较 大等问题，所以在科学认识需水量变化规律的基础上，建立一个新的需水 量预测模型和方法，使长期需水量预测的误差更小，精度更高，为更加科 学合理的进行水资源决策(规划和优化)提供科学、可靠的依据，则是重 中之重。
技术实现思路
本专利技术的目的在于提供一种针对在需水量预测中，存在需水量预测长期预测结果与实际情况误差...
【技术保护点】
新息递补多层非线性映射神经网络模型需水预测方法，其特征在于该方法为多层非线性映射网络属于静态网，采用最小均方差学习方式，在使其评价函数最小化过程中，完成输入信号到输出信号的映射，它由一个输入层、一个输出层和一个或多个隐蔽层组成，各层次的神经元之间单向全互联连接，学习阶段采用误差方向逐层传播到输入层，工作阶段维输入矢量逐层正向传播到输出层，是一种由非线性变换单元组成的前馈型网络。
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。