基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
采用遗传算法与径向基网络结合的方法建立了副热带高压特征指数的预报优化模型.针对径向基网络结构和初始参数难以客观确定的不足,引入混合递阶遗传算法同时优化网络结构和参数.该优化方法结合了递阶遗传算法和最小二乘法的优点,具有较高的学习效率.将混合递阶遗传径向基网络用于副高数值预报产品的预报试验和效果比较,结果表明:混合递阶遗传算法优化的径向基网络模型具有较好的收敛效果和泛化能力,对副高指数的预报效果有较明显的改进和提高.
推荐文章
基于自适应递阶遗传算法的洪水预报模型
递阶遗传算法
解空间
自适应
模型精度
基于混合递阶遗传算法的径向基神经网络学习算法及其应用
径向基神经网络
混合递阶遗传算法
混沌时间序列
GRAPES-GEPS对西太平洋副热带高压和南亚高压的集合预报评估与集合方法研究
GRAPES-GEPS
西太平洋副热带高压
南亚高压
集合平均法
最数法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 混合递阶遗传径向基网络及其在副热带高压预报中的应用
来源期刊 热带气象学报 学科 地球科学
关键词 混合递阶遗传算法 径向基神经网络 副热带高压
年,卷(期) 2008,(5) 所属期刊栏目 论著
研究方向 页码范围 507-511
页数 5页 分类号 P424.4
字数 4919字 语种 中文
DOI 10.3969/j.issn.1004-4965.2008.05.010
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (47)
共引文献  (81)
参考文献  (6)
节点文献
引证文献  (3)
同被引文献  (3)
二级引证文献  (1)
1977(2)
  • 参考文献(0)
  • 二级参考文献(2)
1982(2)
  • 参考文献(0)
  • 二级参考文献(2)
1984(2)
  • 参考文献(0)
  • 二级参考文献(2)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(3)
  • 参考文献(0)
  • 二级参考文献(3)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(6)
  • 参考文献(0)
  • 二级参考文献(6)
1999(9)
  • 参考文献(0)
  • 二级参考文献(9)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(5)
  • 参考文献(1)
  • 二级参考文献(4)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
混合递阶遗传算法
径向基神经网络
副热带高压
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
热带气象学报
双月刊
1004-4965
44-1326/P
大16开
广州市福今路6号
1984
chi
出版文献量(篇)
1950
总下载数(次)
5
总被引数(次)
37842
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导