基于递归神经网络的风暴潮增水预测

• 作者: 史振威 李亚茹 石天阳 钟山 雷森 高松
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 风暴潮增水 预测 数值预报 机器学习 静态数据 时序特性 BP神经网络 递归神经网络
• 年，卷（期）: 2017,（5）
• 页码范围: 640-644
• 页数: 5页
• 分类号: TP751
• 字数: 3418字
• 语种: 中文
• DOI: 10.11992/tis.201706015

摘要

风暴潮增水的准确预测能极大地减少人员伤害和经济损失,具有重要的实用价值.传统的风暴潮预报方法主要包括经验和数值预报,很难建立起相对准确的模型.现有的基于机器学习风暴潮预报方法大都只提取出静态数据间的关系,并没有充分挖掘出风暴潮数据背后的时序关联特性.文中提出了一种基于递归神经网络的风暴潮增水预测方法.本文对风暴潮时序数据进行特定的处理,并设计合适结构的递归神经网络,从而完成时序数据的预测.相较于传统的BP神经网络,递归神经网络能更好地应对时序数据的预测问题.将该方法用于潍坊水站的增水预测中,结果表明,相对于BP神经网络,递归神经网络能得到更好的预测结果,误差更小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高松		19	133	7.0	11.0
2	钟山		9	54	3.0	7.0
3	雷森	北京航空航天大学宇航学院图像处理中心	2	3	1.0	1.0
4	史振威	北京航空航天大学宇航学院图像处理中心	12	112	5.0	10.0
5	石天阳	北京航空航天大学宇航学院图像处理中心	1	3	1.0	1.0
6	李亚茹		1	3	1.0	1.0