伴随时空特性的雷电预测BP-ANN模型研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1006-2475.2019.04.014

伴随时空特性的雷电预测BP-ANN模型研究

引用
为提高雷电预测模型的准确率和学习性能,提出一种基于增量学习和时空特性的雷电预测BP-ANN二项分类器.通过增量方式和依据数据的时空特征进行历史数据的学习,建立多种BP-ANN模型,分别对新的数据进行预测分类,然后采用多数投票方式确定新数据的类别.分别构建基于增量学习的BP-ANN模型、基于时空特性的BP-ANN模型以及结合基于增量学习和时空特性的BP-ANN模型这3种雷电预测模型,并在真实雷电数据集上进行预测准确度和学习性能的测试,结果表明了增量学习、时空特性以及二者结合的优劣.

雷电预测、增量学习、时空特性、BP-ANN、二项分类器

TP311(计算技术、计算机技术)

江西省科技计划项目20112BBI90024

2019-05-28(万方平台首次上网日期,不代表论文的发表时间)

共6页

76-81

相关文献
评论
暂无封面信息
查看本期封面目录

计算机与现代化

1006-2475

36-1137/TP

2019,(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn