10.3969/j.issn.1007-4929.2017.05.015
递归神经网络在降雨量预测中的应用研究
递归神经网络(RNN)模型近年来在许多任务上表现出了优良的性能.运用具有长短期记忆(LSTM)单元的递归神经网络构建模型和通过时间反向传播(BPTT)算法更新网络权重解决长期降雨量的预测问题,较好地解决了高维数、非线性和局部极小问题.选取了前馈神经网络模型(FNN)、小波神经网络(WNN)模型和整合移动平均自回归(ARIMA)模型3种模型进行验证比较.仿真结果表明,递归神经网络模型优于其他模型,训练结果与实际值接近,预测精度较高.预测结果为农业用水管理、合理制定灌溉制度提供了重要的科学依据.
降雨量预测、递归神经网络、长短期记忆、通过时间反向传播
S271;TP301.6(农田水利)
"十三五"国家重点研发计划2016YFC0400202
2017-07-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
63-66,71