10.16251/j.cnki.1009-2307.2020.03.006
GA-BP神经网络的GPS可降水量预测
针对传统BP神经网络模型存在的学习速度慢、易陷入局部极值以及网络结构参数取值的不确定性等问题,该文研究了一种基于遗传算法与BP神经网络相结合的GPS可降水量预测的新方法.该方法利用遗传算法对BP神经网络的初始权值和阈值进行优化,并对该模型进行训练,以提高预测模型的性能.实验结果证明了遗传BP神经网络模型用于GPS可降水量预测的可行性,其预测结果的均方根误差为0.16 mm、平均绝对百分误差为0.23%.相对于BP神经网络和小波神经网络模型,均方根误差分别降低了0.37和0.19 mm,平均绝对百分误差分别降低了0.62%和0.33%.同时遗传BP神经网络模型亦显示了很好的非线性拟合能力,能更好地预测GPS可降水量,对实际工作具有较强的参考价值.
BP神经网络、遗传算法、GPS可降水量、预测
45
P457.6;P228.9(天气预报)
国家自然科学基金项目;广西自然科学基金项目;广西中青年教师基础能力提升项目
2020-05-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
33-38