首页|降雨量及叠加预测方法研究

降雨量及叠加预测方法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了得到精确度较高的降雨量预测值及其叠加预测精度,利用小波神经网络和NARX动态神经网络对降雨趋势和降雨量进行预测,并分析降雨量叠加预测值的误差.研究表明,小波神经网络分析的月降雨量多个变化周期以及总的变化趋势较为准确;NARX动态神经网络预测模型测试误差为0.21％,回归效果图的相关系数R为0.99993,回判和检验误差分别只有0.22％和0.40％;降雨量叠加预测和检验误差较小,均未超过2％,能够满足降雨量不断叠加预测的要求.该方法能为边坡动态稳定性预测提供精确度较高的降雨量预测值.
Analysis of Prediction Method for Rainfall and Superposition Rainfall

舒涛、叶唐进、李俊杰、李豪

展开 >

西藏大学工学院,西藏拉萨850000

大连理工大学建设工程学部,辽宁大连116024

降雨量 预测方法 NARX动态神经网络 小波神经网络 叠加预测

大学生创新性实验训练计划项目国家自然科学基金国家自然科学基金

2018QCX0244166202051769033

2021

10.7522/j.issn.1000-0534.2020.00014

高原气象
中国科学院寒区旱区环境与工程研究所

高原气象

CSTPCDCSCD北大核心
影响因子：2.193
ISSN：1000-0534
年,卷(期)：2021.40(1)
  • 4
  • 24