期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PCA-RBF神经网络模型的城市用水量预测
被引量：
14
1
作者
高学平
陈玲玲
+1 位作者
刘殷竹
孙博闻
《水利水电技术》
CSCD
北大核心
2017年第7期1-6,共6页
针对城市用水量影响因素众多、关联性较强以及BP神经网络收敛速度慢、易陷入局部极小值等问题,采用组合主成分分析(PCA)与RBF神经网络的方法预测城市用水量。利用主成分分析对用水量影响因素进行降维,消除多重共线性,选取能够替代原用...
针对城市用水量影响因素众多、关联性较强以及BP神经网络收敛速度慢、易陷入局部极小值等问题,采用组合主成分分析(PCA)与RBF神经网络的方法预测城市用水量。利用主成分分析对用水量影响因素进行降维,消除多重共线性,选取能够替代原用水量影响因素的前三个主成分作为输入因子,选用学习和收敛速度快、模式识别能力强的RBF神经网络进行预测。研究结果表明,该模型的相对误差平均值在训练和预测阶段均最小,分别为0.165 4%和0.677 5%,学习和预测能力均优于RBF和BP神经网络模型,提高了收敛速度和预测精度;主成分数量从3个增加到5个,信息量累积贡献率从93.09%增加到98.37%,平均相对误差从0.250 7%降至0.206 0%,预测精度略有提高。对2015—2020年枣庄市用水量进行预测,总用水量先有小幅上升,后又下降,呈现"倒U型"增长。该模型对城市区域水资源规划具有参考价值。
展开更多
关键词
城市用水量预测
主
成分
分析
RBF神经网络
BP神经网络
主
成分
数量
需水预测
下载PDF
职称材料
基于偏相关系数和平行检验的主成分抽取数量的确定方法
被引量：
3
2
作者
尹波
《统计与决策》
CSSCI
北大核心
2011年第4期7-9,共3页
主成分抽取数量的确定是主成分分析中的关键问题。文章提出了一种新确定方法:首先基于原样本数据采用偏相关系数准则来确定主成分抽取的数量;然后基于再抽样样本数据来验证主成分数量模型的稳定性,并在SPSS环境下实现了该方法。实例应...
主成分抽取数量的确定是主成分分析中的关键问题。文章提出了一种新确定方法:首先基于原样本数据采用偏相关系数准则来确定主成分抽取的数量;然后基于再抽样样本数据来验证主成分数量模型的稳定性,并在SPSS环境下实现了该方法。实例应用表明该方法相比特征值大于1、Cattle Scree等准则,结果更客观、准确和稳定,可广泛应用于主成分分析、因子分析等相关研究中。
展开更多
关键词
主
成分
抽取
数量
准则
特征根大于1
偏相关系数
平行检验
下载PDF
职称材料
主成分抽取数量确定的新方法
被引量：
3
3
作者
尹波
《统计与决策》
CSSCI
北大核心
2010年第19期8-10,共3页
文章针对主成分抽取数量的确定提出了一种新方法,通过同时联立与原始样本数据吻合良好和与再抽样数据吻合良好两个约束条件来求解主成分数量,并在SPSS环境下实现了该方法。实例研究表明相比特征值大于1、Scree碎石、Velicer偏相关检验...
文章针对主成分抽取数量的确定提出了一种新方法,通过同时联立与原始样本数据吻合良好和与再抽样数据吻合良好两个约束条件来求解主成分数量,并在SPSS环境下实现了该方法。实例研究表明相比特征值大于1、Scree碎石、Velicer偏相关检验等准则,该方法所得结果更准确更泛化,可应用于主成分分析、因子分析和图像特征提取等相关研究中。
展开更多
关键词
主
成分
抽取
数量
准则
Kaiser准则
再抽样样本
平行检验
下载PDF
职称材料
题名
基于PCA-RBF神经网络模型的城市用水量预测
被引量：
14
1
作者
高学平
陈玲玲
刘殷竹
孙博闻
机构
天津大学水利工程仿真与安全国家重点实验室
出处
《水利水电技术》
CSCD
北大核心
2017年第7期1-6,共6页
基金
"十二五"国家科技支撑计划项目(2015BAB07B02)
国家自然科学基金创新群体基金项目(51621092)
国家自然科学基金(51609166)
文摘
针对城市用水量影响因素众多、关联性较强以及BP神经网络收敛速度慢、易陷入局部极小值等问题,采用组合主成分分析(PCA)与RBF神经网络的方法预测城市用水量。利用主成分分析对用水量影响因素进行降维,消除多重共线性,选取能够替代原用水量影响因素的前三个主成分作为输入因子,选用学习和收敛速度快、模式识别能力强的RBF神经网络进行预测。研究结果表明,该模型的相对误差平均值在训练和预测阶段均最小,分别为0.165 4%和0.677 5%,学习和预测能力均优于RBF和BP神经网络模型,提高了收敛速度和预测精度;主成分数量从3个增加到5个,信息量累积贡献率从93.09%增加到98.37%,平均相对误差从0.250 7%降至0.206 0%,预测精度略有提高。对2015—2020年枣庄市用水量进行预测,总用水量先有小幅上升,后又下降,呈现"倒U型"增长。该模型对城市区域水资源规划具有参考价值。
关键词
城市用水量预测
主
成分
分析
RBF神经网络
BP神经网络
主
成分
数量
需水预测
Keywords
urban water consumption prediction
principal component analysis
RBF neural network
BP neural network
number of principal components
prediction of water demand
分类号
TV213.4 [水利工程—水文学及水资源]
下载PDF
职称材料
题名
基于偏相关系数和平行检验的主成分抽取数量的确定方法
被引量：
3
2
作者
尹波
机构
成都东软学院
出处
《统计与决策》
CSSCI
北大核心
2011年第4期7-9,共3页
文摘
主成分抽取数量的确定是主成分分析中的关键问题。文章提出了一种新确定方法:首先基于原样本数据采用偏相关系数准则来确定主成分抽取的数量;然后基于再抽样样本数据来验证主成分数量模型的稳定性,并在SPSS环境下实现了该方法。实例应用表明该方法相比特征值大于1、Cattle Scree等准则,结果更客观、准确和稳定,可广泛应用于主成分分析、因子分析等相关研究中。
关键词
主
成分
抽取
数量
准则
特征根大于1
偏相关系数
平行检验
分类号
F222 [经济管理—国民经济]
下载PDF
职称材料
题名
主成分抽取数量确定的新方法
被引量：
3
3
作者
尹波
机构
成都东软信息技术职业学院
出处
《统计与决策》
CSSCI
北大核心
2010年第19期8-10,共3页
基金
国家自然科学基金资助项目(70772068)
四川省教育厅重点资助项目(07ZA197)
文摘
文章针对主成分抽取数量的确定提出了一种新方法,通过同时联立与原始样本数据吻合良好和与再抽样数据吻合良好两个约束条件来求解主成分数量,并在SPSS环境下实现了该方法。实例研究表明相比特征值大于1、Scree碎石、Velicer偏相关检验等准则,该方法所得结果更准确更泛化,可应用于主成分分析、因子分析和图像特征提取等相关研究中。
关键词
主
成分
抽取
数量
准则
Kaiser准则
再抽样样本
平行检验
分类号
O212 [理学—概率论与数理统计]
F222 [理学—数学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PCA-RBF神经网络模型的城市用水量预测
高学平
陈玲玲
刘殷竹
孙博闻
《水利水电技术》
CSCD
北大核心
2017
14
下载PDF
职称材料
2
基于偏相关系数和平行检验的主成分抽取数量的确定方法
尹波
《统计与决策》
CSSCI
北大核心
2011
3
下载PDF
职称材料
3
主成分抽取数量确定的新方法
尹波
《统计与决策》
CSSCI
北大核心
2010
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
