首页|基于PCA建立蜡梅花初花期预测模型

基于PCA建立蜡梅花初花期预测模型

扫码查看
原文链接
  • 万方数据
  • 维普
以重庆市北碚区静观素心蜡梅早熟品种的初花期为研究对象,统计分析2007-2021年初花期变化特征,并基于主成分分析法(PCA),通过BP神经网络算法及逐步回归算法,构建了2007-2021年初花期预测模型,对2种预测模型的预报效果进行对比检验,筛选最优预测模型.结果表明:基于BP神经网络算法的预测模型在训练中的预报拟合率高达99％,与实测值的相关性超过了0.9,拟合度较高,在回代检验中拟合率低于训练时;基于逐步回归算法的预测模型在训练中与实测值误差大于基于BP神经网络算法,平均误差为1.7 d,在回代检验中效果明显优于基于BP神经网络算法,且线性相关性也较稳定;同时在回代模型中基于逐步回归算法的预测模型的独立样本值、标准差和平均绝对误差也同样优于基于BP神经网络算法的预测模型.总体来说,基于逐步回归算法的预测模型更优于基于BP神经网络算法的预测模型.
Establishment of Prediction Model of Early Flowering Period of Prunus Mume Based on PCA

吉莉、刘晓冉、武强、李强

展开 >

重庆市北碚区气象局,重庆 400700

重庆市气象科学研究所,重庆 401147

气象因子 主成分分析法 BP神经网络 逐步回归 预测模型

2022-712022-32

2022

10.13718/j.cnki.xsxb.2022.10.009

西南师范大学学报(自然科学版)
西南大学

西南师范大学学报(自然科学版)

CSTPCD
影响因子：0.805
ISSN：1000-5471
年,卷(期)：2022.47(10)
  • 1
  • 21