论文部分内容阅读
岩溶水系统的复杂性决定了其输入与输出间具有非常复杂的非线性关系，利用人工神经网络方法进行系统的仿真是一种十分有效的手段。本文以MATLAB为平台，介绍了RBF网络的基本原理与训练方法，具有结构自适应确定、输出不依赖初始权值的优良特性。试用该方法建立了济南市岩溶水系统地下水位及其影响因子间的RBF网络模型，讨论了训练样本集与检测样本集的构建、原始数据的预处理方法、神经网络训练误差设置等重要环节，并与同结构的BP网络进行了对比，其结果BP网络效果依赖初始权值，表现出极不稳定性，且训练速度更慢，RBF网络具有更