基于HMM和BP神經網絡組合模型的用水行為識別
趙太飛; 谷偉豪; 馬欣媛; 段延峰 西安理工大學自動化與信息工程學院; 陜西西安710048; 戶縣農村供水管理中心; 陜西西安710300
關鍵詞：居民用水 行為識別 hmm模型 bp神經網絡
摘要：在當前水資源短缺以及用水量不斷增加的背景下,識別農村居民用水行為,對于農村地區居民用水安全和管理、緩解水資源短缺具有重要的意義。為此,提出了一種隱馬爾可夫模型(Hidden Markov Model,HMM)和BP神經網絡(Back Propagation,BP)相結合的組合模型,模型綜合了BP網絡優秀的分類識別能力和HMM強大的時域建模能力的優點。該模型首先為居民用水行為的6個事件分別建立1個HMM,然后計算各個模型的最佳狀態的輸出概率,再將此概率和期望輸出共同訓練BP神經網絡,最后選取測試數據和已建立的組合模型進行匹配,得到識別結果。研究結果表明:該組合模型在用水行為識別準確度上比單獨應用HMM模型高8.78%,比單獨應用BP神經網絡高8.92%,具有一定的應用價值。
水資源與水工程學報雜志要求:
{1}應設計合理，具有自明性，按照文中出現順序依次列于正文之后，說明性文字置于圖表下方。
{2}稿件應有題名、摘要、關鍵詞、參考文獻及注釋。并附題名、摘要、關鍵詞的英文譯文與作者簡介（姓名、性別、出生年月、職稱、學位、研究方向、聯系電話、郵編）。
{3}參考文獻確系親自閱讀，核對無誤，并提供摘要便于核對。
{4}來稿請署明作者姓名、出生年、性別、民族（漢族可省略）、籍貫、學位、職稱、工作單位、詳細通信地址、郵政編碼、聯系電話、電子信箱等。
{5}引言概述有關理論依據、研究思路、試驗基礎及國內外現狀，并明確說明研究的具體目的、新穎性或特點。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
