基于人工神经网络的卡尔曼滤波实时校正技术

摘要：

针对人工神经网络技术在实际应用中常出现的过拟合现象,设计了以人工神经网络模型做初级预报,用卡尔曼滤波技术对初级预报结果进行二次预报的方法.该方法用于淮河王家坝水文站最高洪水位的预报和岷江上游段紫坪埔水文站的流量预报,并与标准的BP网络模型以及卡尔曼滤波模型进行了比较.两个应用实例的计算结果表明,以上两种技术的结合,不仅有利于预防过拟合问题,还可提高预报精度.

关键词：神经网络、卡尔曼滤波、实时校正、流量预报

分类号：P33;TV213.4(水文科学（水界物理学）)

资助基金：国家自然科学基金50099620

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：9-12