基于叠加马尔科夫链和BP神经网络模型的降水量预测研究

• 作者: 乔雨 徐海岩 梁秀娟 王亮 王宇博 陈伟
• 来源期刊: 中国农村水利水电
• 学科: 地球科学
• 关键词: 降水量预测 叠加马尔科夫链 BP神经网络
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 水文水资源
• 页码范围: 80-82,86
• 页数: 4页
• 分类号: P338
• 字数: 3500字
• 语种: 中文

摘要

选用叠加马尔科夫链和BP神经网络模型，利用1951年-2013年的降水资料对长春市降水量进行预测。叠加马尔科夫链方法具有原理简单易懂，计算方法简便的优点。BP神经网络模型具有计算快速，占用内存小，还有很好的容错性。根据计算，BP神经网络预测误差均小于20％，叠加马尔科夫链方法仅有6个年份误差小于20％。通过对比分析预测结果可知：对于本研究区BP神经网络模型的预测精度较高。预测方法对数据的稳定性有要求，数据的波动越强，预测结果精度越低。对比可知，叠加马尔科夫链对数据的平稳性要求更高，BP神经网络模型的适用性更强。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈伟	吉林大学地下水资源与环境教育部重点实验室	87	606	11.0	22.0
2	梁秀娟	吉林大学地下水资源与环境教育部重点实验室	117	890	15.0	24.0
3	王亮	吉林大学地下水资源与环境教育部重点实验室	59	195	9.0	13.0
4	王宇博	吉林大学地下水资源与环境教育部重点实验室	7	23	4.0	4.0
5	乔雨	吉林大学地下水资源与环境教育部重点实验室	8	30	4.0	5.0
6	徐海岩	吉林大学地下水资源与环境教育部重点实验室	2	6	1.0	2.0