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:
为了提高极端降水量的预测精度,将小波分析、支持向量机以及遗传算法相结合,建立了一种极端降水预测模型。首先利用小波变换对极端降水数据进行分解,分离出序列中的低频信息和高频信息;然后对各子序列分别用遗传算法优化的支持向量机进行训练和预测;最后将各子序列的预测结果叠加,得到极端降水量的最终预测结果。实验表明,该组合模型能准确揭示极端降水的变化特性,具有更高的预测精度,从而为极端降水量的预测提供了一种有效方法。
推荐文章
印江极端降水和极端强降水日数统计特征
极端降水
极端强降水
阈值
统计特征
珠江流域极端降水群发性特征研究
极端降水
群发性
珠江流域
极端降水特性分析研究进展
极端降水
指数
变化特征
研究回顾
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 一种极端降水预测方法研究
来源期刊 信息技术 学科 工学
关键词 极端降水 预测 小波分析 支持向量机 遗传算法
年,卷(期) 2014,(4) 所属期刊栏目 基金项目
研究方向 页码范围 19-23
页数 5页 分类号 TP181
字数 4111字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 万定生 河海大学计算机与信息学院 87 634 15.0 20.0
2 唐娟 河海大学计算机与信息学院 2 4 1.0 2.0
3 程习锋 河海大学计算机与信息学院 4 9 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (93)
共引文献  (270)
参考文献  (12)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(6)
  • 参考文献(0)
  • 二级参考文献(6)
1998(6)
  • 参考文献(0)
  • 二级参考文献(6)
1999(11)
  • 参考文献(0)
  • 二级参考文献(11)
2000(9)
  • 参考文献(0)
  • 二级参考文献(9)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(7)
  • 参考文献(0)
  • 二级参考文献(7)
2006(13)
  • 参考文献(1)
  • 二级参考文献(12)
2007(14)
  • 参考文献(1)
  • 二级参考文献(13)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(6)
  • 参考文献(1)
  • 二级参考文献(5)
2010(6)
  • 参考文献(5)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(3)
  • 参考文献(2)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
极端降水
预测
小波分析
支持向量机
遗传算法
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
信息技术
月刊
1009-2552
23-1557/TN
大16开
哈尔滨市南岗区黄河路122号
14-36
1977
chi
出版文献量(篇)
11355
总下载数(次)
31
论文1v1指导