云南汛期(6-8月)雨量预报最优化方案的研究
本文将逐步回归算法、传统BP神经网络、基于Levenberg-Marquardt算法改进的BP神经网络和基于遗传算法改进的BP神经网络所建立起的四种汛期雨量预报模型进行了对比实验,结果表明:平均状态下三种神经网络模型对云南汛期(6-8月)雨量的拟合效果相对于传统的数理统计方法均得到了显著提升.然而,由于各神经网络模型所得预报结果并非定值,而是在一定标准下随机产生的,因此各次运算过程中模型所得预报效果不尽相同,故找到多次运算过程中预报效果最佳的方案自然成为人们所关注的问题.为此,本文探究了三种神经网络模型拟合部分各指标与预报效果之间的相关关系,从而为找到对汛期雨量预报效果最佳的方案提供了重要参考依据.最后本文通过优化设计相关理论对以上四种模型进行了集合优化处理,建立起三种汛期雨量预报的最优化方案,各方案相对于以上四种模型而言在拟合及预报效果方面均得到了一定程度的改善.
汛期雨量 预报模型 最优化方案 神经网络
何明洋 李伟东 曹杰
中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室,北京,100029;中国科学院大学,北京,100049 云南大学资源环境与地球科学学院大气科学系,昆明,650091
国内会议
南京
中文
1-26
2013-10-23（万方平台首次上网日期，不代表论文的发表时间）