典型文献
基于自组织映射神经网络的水库洪水过程分类
文献摘要：
针对传统洪水分类方法中洪水特征提取时存在信息损失和主观性强的问题,本文基于洪水全过程构建自组织映射神经网络(Self-Organizing Map,SOM),综合考虑代表性和拓扑性等评价指标以优选网络规模,实现洪水全过程的拓扑逻辑关系挖掘及分类.以三峡水库洪水过程为研究对象,研究结果表明:①2×3维SOM覆盖率达到56.7％,与3×3维SOM相比,仅有约2％的覆盖率差距,具有良好代表性;2×3维SOM输出层仅有1处翻转,拓扑结构比3×3维SOM更优,更适合三峡水库洪水过程分类.②2×3维SOM将洪水过程划分为6类,其神经元拓扑结构可有效刻画各分类的差异与联系,说明SOM可基于可视化拓扑逻辑关系实现高维洪水数据的可靠客观分类.③ 与传统方法的历史典型洪水分类结果相比,SOM能提供可靠且丰富的分类信息.
文献关键词：
洪水分类;自组织映射神经网络;数据挖掘;长江流域;三峡水库
中图分类号：
作者姓名：
林康聆;周研来;陈华;郭生练;王俊
作者机构：
武汉大学水资源与水电工程科学国家重点实验室,湖北 武汉 430072
文献出处：
引用格式：
[1]林康聆;周研来;陈华;郭生练;王俊-.基于自组织映射神经网络的水库洪水过程分类)[J].水科学进展,2022(06):934-943
A类：
洪水分类
B类：
自组织映射神经网络,洪水过程,分类方法,洪水特征,信息损失,主观性,于洪,Self,Organizing,Map,SOM,拓扑性,网络规模,关系挖掘,三峡水库,出层,拓扑结构,高维,分类信息,长江流域
AB值：
0.251013
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
