基于非参数回归的神经网络集成降水预报模型
利用粒子群优化算法的全局搜索能力,同时进化设计神经网络的网络结构和初始连接权,获得一组合适网络结构和初始连接权,再进行新一轮BP神经网络训练,获得一批独立的神经网络,进一步用主成份分析方法提取有效因子,再采用非参数回归模型进行集成,建立多元变窗宽高斯核函数的非参数回归的神经网络集成模型,以此对广西前汛期5,6月区域平均日降水量进行预报.结果表明,这里建立的3个区域日平均降水量神经网络预报模型,在预报性能上明显优于同期的T213降水预报.
粒子群算法、神经网络集成、非参数回归、核函数、预测
29
TP183(自动化基础理论)
国家自然科学基金项目40675023
2008-11-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
4541-4545,4561