典型降水预报ANN多指标优选——以太湖湖西区为例

摘要：

为提高多种典型人工神经网络应用于降水预报的精度与稳定性并做出优选,对太湖流域湖西区丹徒、丹阳、金坛、溧阳、宜兴5站的年降水量时间序列建立基于组成成分分析的人工神经网络模型,并通过平均相对误差、平均绝对误差、均方根误差及合格率4项评价指标对比分析预报效果.该模型采用Mann-Kendall法、秩和检验法、谱分析法进行组成成分分析;建立BP网络、小波神经网络、RBF网络、GRNN网络及Elman网络模拟并预测随机成分,与确定性成分叠加得年降水量预报结果.在湖西区的研究结果表明,基于组成成分分析的人工神经网络模型的拟合及预测精度高于原始人工神经网络和线性自回归模型,GRNN网络的预测精度与稳定性高于其他4类神经网络.

关键词：预报、神经网络、降水、时间序列、太湖流域

所属期刊栏目：40

分类号：P456.3(天气预报)

资助基金：国家重点研发计划项目;国家自然科学基金青年项目

在线出版日期：2020-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：35-39