輻狀基底函數類神經網路理論探討及其降雨-逕流模式之應用

淡江大學機構典藏 > 工學院 > 水資源及環境工程學系暨研究所 > 研究報告 > Item 987654321/7776

Please use this identifier to cite or link to this item: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/7776

Title:	輻狀基底函數類神經網路理論探討及其降雨-逕流模式之應用
Other Titles:	A Study of Radial Basis Function Neural Networks for Modeling Rainfall-Runoff Proce
Authors:	張麗秋
Contributors:	淡江大學水資源及環境工程學系
Keywords:	輻狀基底函數;類神經網路;降雨-逕流模式;高斯函數;變異數
Date:	2005
Issue Date:	2009-03-16 16:57:51 (UTC+8)
Abstract:	輻狀基底函數類神經網路(RBFNN)雖屬於類神經網路的一種，但其演算法主要是將輸入向量映射到高維度的基底函數，再經由這些函數的線性組合所構成；因此，不但擁有類神經網路優異的學習能力，同時，也很容易從其映射的關係中來瞭解系統輸入與輸出間的數學關係。一般RBFNN大都選用高斯函數為其基底函數，每個中心點僅相對應一個變異數，此方式將忽略輸入變數資料間特性與其分佈的差異性，無法凸顯出輸入變數的差異及其對系統行為的影響；本研究擬對RBFNN的理論進行深入探討，藉由不同的輻狀基底函數與不同的變異數，進一步地說明RBFNN對於資料處理的能力與優點，並將模式運用模擬與推估不同函數以評估網路效能，最後選用石門水庫上游集水區為研究區域，進行歷年颱洪時間降雨資料與水位資料之統計分析，以建構降雨－逕流預測模式，以評估網路之效能，同時，也可以進一步地瞭解降雨與逕流歷程間的關係。
Appears in Collections:	[水資源及環境工程學系暨研究所] 研究報告

Files in This Item:

There are no files associated with this item.

Loading...