递归神经网络在降雨量预测中的应用研究

• 作者: 张帅 张育斌 魏正英
• 来源期刊: 节水灌溉
• 学科: 农学
• 关键词: 降雨量预测 递归神经网络 长短期记忆 通过时间反向传播
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 水环境与水资源
• 页码范围: 63-66,71
• 页数: 5页
• 分类号: S271|TP301.6
• 字数: 2592字
• 语种: 中文

摘要

递归神经网络(RNN)模型近年来在许多任务上表现出了优良的性能.运用具有长短期记忆(LSTM)单元的递归神经网络构建模型和通过时间反向传播(BPTT)算法更新网络权重解决长期降雨量的预测问题,较好地解决了高维数、非线性和局部极小问题.选取了前馈神经网络模型(FNN)、小波神经网络(WNN)模型和整合移动平均自回归(ARIMA)模型3种模型进行验证比较.仿真结果表明,递归神经网络模型优于其他模型,训练结果与实际值接近,预测精度较高.预测结果为农业用水管理、合理制定灌溉制度提供了重要的科学依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏正英	西安交通大学机械制造系统工程国家重点实验室	117	990	18.0	27.0
2	张帅	西安交通大学机械制造系统工程国家重点实验室	23	91	6.0	8.0
3	张育斌	西安交通大学机械制造系统工程国家重点实验室	28	89	6.0	7.0