两种样本输入方式下基于GRNN的日长变化预报结果的比较

• 作者: 张昊 张晓红 朱建军 王琪洁
• 来源期刊: 中国科学院上海天文台年刊
• 学科: 地球科学
• 关键词: 广义回归神经网络 日长变化预报 输入方式 相关性
• 年，卷（期）: 2011,（1）
• 所属期刊栏目: 计算机软件、数据处理
• 页码范围: 147-153
• 页数: 7页
• 分类号: TP274|P183.3+1
• 语种: 中文

摘要

针对广义回归神经网络用于日长变化预报过程中,样本的输入方式对预报结果的影响进行了研究.采用2种输入方式:即样本按不同跨度输入以及按连续输入,对日长变化进行预报.最终证明不同的样本输入方式对日长变化预报精度的影响较大,样本按跨度输入在超短期预报中预报精度较高,样本采用连续输入的方式在短期和中期预报中预报精度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张昊	中南大学地球科学与信息物理学院	29	320	9.0	17.0
2	张晓红	中南大学地球科学与信息物理学院	18	178	7.0	13.0
3	朱建军	中南大学地球科学与信息物理学院	310	4113	31.0	51.0
4	王琪洁	中南大学地球科学与信息物理学院	26	214	9.0	13.0