论文部分内容阅读
针对洪灾评估缺乏评判标准及Elman神经网络(ENN)初始权值、阈值难以确定的不足,利用洪灾各影响因子序列均值及标准差构建洪灾评估标准,并基于该标准采用随机内插和随机选取的方法构造样本对ENN网络进行训练及检验。利用蚁狮优化(ALO)算法对ENN网络权值、阈值进行全局寻优,提出基于ALO-ENN算法的洪灾评估模型,并构建PSO-ENN、ENN评估模型作对比,以我国1950—2013年洪灾评估为例进行实例研究。结果表明:1ALO算法寻优能力优于PSO算法,具有较好的收敛精度、稳健性能和全局寻优能力,利用AL