基于IFCM-T-S的雷电活动预测研究
雷电活动与人们的日常生活和财产安全息息相关,所以准确的雷电预测能够有效地防灾减害,为人民的生命及财产提供有力的保障,为此,提出了基于改进模糊C均值聚类和T-S模糊神经网络模型(IFCM-T-S)的雷电活动预测研究.对传统的模糊聚类方法(FCM)进行了分析,采用减法聚类算法优化获得FCM算法的初始聚类中心,称作改进的模糊C均值聚类算法(IFCM).采用IFCM算法对T-S模糊神经网络进行了改进,称作IFCM-T-S模型.在雷电活动数据的基础上,采用IF-CM-T-S建立年雷电活动预测模型.仿真对比实验显示,IFCM-T-S算法比传统的BP神经网络和模糊神经网络的平均绝对误差(MAPE)低了1%的误差,而且IFCM-T-S的收敛速度最快,预测的准确度最高,验证了所提方法在雷电预测上的准确性和快速性.
模糊C均值聚类、减法聚类、模糊神经网络、雷电预测
38
P427.32;P429;TN0(气象基本要素、大气现象)
2019-10-10(万方平台首次上网日期,不代表论文的发表时间)
共5页
12-16