模型输入对模糊神经网络预报模型的影响研究

• 作者: 史旭明 金龙
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 模糊神经网络 降水预报 条件数 相似系数
• 年，卷（期）: 2007,（31）
• 所属期刊栏目: 工程与应用
• 页码范围: 192-195
• 页数: 4页
• 分类号: TP18
• 字数: 4794字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.31.058

摘要

为了探索模型输入对模糊神经网络预报模型预测性能的影响,研究了通过减少预报模型自变量组合的复共线性影响,并结合相似系数计算分析方法建立了一种新的模糊神经网络预报模型.以气象学科的逐日降水预报作为研究对象,利用这种新的模糊神经网络预报模型进行了实际预报试验,并与常规的模糊神经网络预报方法,中国气象局T213数值预报模式以及逐步回归预报方法的预报结果进行了对比分析.结果表明,这种基于条件数和相似系数计算的模糊神经网络预报新方法对49天降水的独立样本预报平均绝对误差为7.33 mm,预报误差比模糊神经网络预报模型下降了5.9%,比传统的逐步回归方法下降了14.9%,比中国气象局T213数值预报模式的预报结果下降了13.4%.显示了很好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金龙		43	694	14.0	24.0
2	史旭明		7	52	5.0	7.0