[1] 刘志雨, 侯爱中, 王秀庆. 基于分布式水文模型的中小河流洪水预报技术[J]. 水文, 2015, 35(1): 1-6. [2] 刘志雨, 杨大文, 胡健伟. 基于动态临界雨量的中小河流山洪预警方法及其应用[J]. 北京师范大学学报(自然科学版), 2010, 46(3): 317-321. [3] 叶金印, 吴勇拓, 李致家, 等. 湿润地区中小河流山洪预报方法研究与应用[J]. 河海大学学报(自然科学版), 2012, 40(6): 615-621. [4] 吴恒卿, 黄强, 习树峰. 基于熵权的可变模糊聚类与识别的水库洪水分类实时预报[J]. 水力发电学报, 2015, 34(2): 57-63. [5] 刘可新, 包为民, 阙家骏, 等. 基于主成分分析的K 均值聚类法在洪水预报中的应用[J]. 武汉大学学报(工学版), 2015, 48(4): 447-450. [6] 李士进, 朱跃龙, 张晓花, 等. 基于BORDA计数法的多元水文时间序列相似性分析[J]. 水利学报, 2009, 40(3): 378-384. [7] 朱跃龙, 李士进, 范青松, 等. 基于小波神经网络的水文时间序列预测[J]. 山东大学学报(工学版), 2011, 41(4): 119-124. [8] 赵铜铁钢, 杨大文. 神经网络径流预报模型中基于互信息的预报因子选择方法[J].水利发电学报, 2011, 30(1): 24-30. [9] 张楠, 夏自强, 江红. 基于多因子量化指标的支持向量机径流预测[J]. 水利学报, 2010, 41(11): 1318-1324. [10] 闫月新, 包为民. 组合预报方法在洪水预报模型中的应用[J]. 水电能源科学, 2013, 31(10): 47-49. [11] 朱林, 蔡田. 最小二乘支持向量机建模及应用[J]. 工业控制计算机, 2013, 26(9): 60-61. [12] 王娜. 基于最小二乘支持向量机的北京市肉类需求量预测研究[D]. 北京交通大学, 2013. [13] TONG S, KOLLER D. Support vector machine active learning with applications to text classification[J]. Journal of Machine Learning Research, 2002, 2(1): 45-66. [14] 孙健, 王成华, 洪峰, 等. 基于人工鱼群优化支持向量机的模拟电路故障诊断[J]. 系统仿真学报, 2014, 26(4): 843-847. [15] 熊立华, 郭生练, 庞博, 等. 三种基于神经网络的洪水实时预报方案的比较研究[J]. 水文, 2003, 23(5): 1-4. [16] 李松, 刘力军, 解永乐. 遗传算法优化 BP 神经网络的短时交通流混沌预测[J]. 控制与决策, 2011, 26(10): 1581-1585. [17] 杨淑娥, 黄礼. 基于BP神经网络的上市公司财务预警模型[J]. 系统工程理论与实践, 2005, 25(1): 12-18. [18] 夏长亮, 祁温雅, 杨荣, 等. 基于 RBF 神经网络的超声波电机参数辨识与模型参考自适应控制[J]. 中国电机工程学报, 2004, 24(7): 117-121. [19] 张晓瑞, 方创琳, 王振波, 等. 基于 RBF 神经网络的城市建成区面积预测研究:兼与BP神经网络和线性回归对比分析[J]. 长江流域资源与环境, 2013, 22(6): 691-697. [20] 党江杰. 基于模糊控制的隧道通风节能控制模型研究[D]. 长安大学, 2013. [21] 魏光辉. 基于 RBF 神经网络的河川年径流量预测[J]. 西北水电, 2014, (5): 6-9. [22] 孙俊, 卫爱国, 毛罕平, 等. 基于高光谱图像及 ELM 的生菜叶片氮素水平定性分析[J]. 农业机械学报, 2014, 45(7): 272-276. [23] HUANG G B, ZHU Q Y, SIEW C K. Extreme learning machine: theory and applications[J]. Neurocomputing, 2006, 70(1-3): 489-501.
() () |