首页|基于RBF神经网络的短时降水量预测方法研究

基于RBF神经网络的短时降水量预测方法研究

扫码查看
原文链接
  • 万方数据
  • 维普
针对目前短时降水量预测精度不高的问题,提出一种基于影响短时降水的物理量选取和RBF神经网络学习的降水量预测方法.首先对原始降水数据进行坐标格点化处理并对(NCEP/NCAR)数据文件中物理量参数进行读取和计算.在理论和数据表现上对降水量进行分析并使用多元线性回归进行预测,得到预测效果不佳.进而利用反向传播神经网络(BP)和径向基神经网络(RBF)进行预测.预测结果表明,径向基神经网络的预测效果更好.为选取最优模型建立自变量随机选取的21个RBF模型进行预测,仿真结果表明,选择六项物理量参数建立的RBF神经网络模型对未来24h降水量预测精度最高.拟合度、平均绝对误差,均方误差和均方根误差分别为0.998,5.04mm,56.34mm2和7.51mm,仿真时间为0.95s.
Research on Short-term Precipitation Forecast Method Based on RBF Neural Network

张启凡、王永忠、马俊逸

展开 >

中国商飞民用飞机试飞中心 上海 201323

中国民用航空飞行学院 广汉 618300

短时降水量 多元线性回归 BP神经网络 RBF神经网络 自变量随机选取 预测建模

国家级大学生创新创业训练计划

201910624041

2022

10.3969/j.issn.1672-9722.2022.04.024

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(4)
  • 4
  • 7