大气可降水量预测模型的自适应Kalmam滤波改进

• 作者: 席克伟 王建敏 祝会忠 黄佳鹏
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: 投影函数 大气可降水量 自适应卡尔曼滤波 径向基神经网络
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 技术创新
• 页码范围: 127-133
• 页数: 7页
• 分类号: P458
• 字数: 5093字
• 语种: 中文
• DOI: 10.16251/j.cnki.1009-2307.2017.12.022

摘要

针对现有可降水量预报模型存在预报精度不高等问题,该文提出采用方差分量估计自适应卡尔曼滤波对可降水量数据进行预处理,用以提高径向基神经网络预测模型的预测精度,从而形成高精度预报模型.通过比较不同基站不同时间的数据,分析使用方法的预报精度.实验结果表明:将预测模型应用于全国7个测站进行实验,预测相对精度的平均值可达95％以上,预报残差在10-5左右,残差值小于0.001的占90％以上.在影响因素方面,使用较短时间作为模型原始数据进行预测会得到较好的预测结果.实验证明本预测方法在预报大气可降水量值方面具有较高的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建敏	辽宁工程技术大学测绘与地理科学学院	35	173	9.0	11.0
2	祝会忠	辽宁工程技术大学测绘与地理科学学院	67	441	11.0	18.0
3	黄佳鹏	辽宁工程技术大学测绘与地理科学学院	4	22	2.0	4.0
4	席克伟	辽宁工程技术大学测绘与地理科学学院	4	5	1.0	2.0