伴随时空特性的雷电预测BP-ANN模型研究

• 作者: 李志鹏 李芬 林志强 肖建
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 雷电预测 增量学习 时空特性 BP-ANN 二项分类器
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 76-81
• 页数: 6页
• 分类号: TP311
• 字数: 6051字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.04.014

摘要

为提高雷电预测模型的准确率和学习性能,提出一种基于增量学习和时空特性的雷电预测BP-ANN二项分类器.通过增量方式和依据数据的时空特征进行历史数据的学习,建立多种BP-ANN模型,分别对新的数据进行预测分类,然后采用多数投票方式确定新数据的类别.分别构建基于增量学习的BP-ANN模型、基于时空特性的BP-ANN模型以及结合基于增量学习和时空特性的BP-ANN模型这3种雷电预测模型,并在真实雷电数据集上进行预测准确度和学习性能的测试,结果表明了增量学习、时空特性以及二者结合的优劣.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志鹏		12	81	4.0	9.0
2	李芬		12	16	2.0	3.0
3	肖建	南昌大学信息工程学院	11	44	3.0	6.0
4	林志强	南昌大学信息工程学院	1	0	0.0	0.0