研究報告
| 學年 | 93 |
|---|---|
| 學期 | 1 |
| 出版（發表）日期 | 2005-01-01 |
| 作品名稱 | 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 |
| 作品名稱（其他語言） | A Study of Radial Basis Function Neural Networks for Modeling Rainfall-Runoff Proce |
| 著者 | 張麗秋 |
| 單位 | 淡江大學水資源及環境工程學系 |
| 描述 | 計畫編號：NSC94-2313-B032-004 研究期間：200508~200607 研究經費：686,000 |
| 委託單位 | 行政院國家科學委員會 |
| 摘要 | 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。 |
| 關鍵字 | 輻狀基底函數;類神經網路;降雨-逕流模式;高斯函數;變異數 |
| 語言 | |
| 相關連結 |
機構典藏連結 ( http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/7776 ) |