基于递归神经网络的风暴潮增水预测
风暴潮增水的准确预测能极大地减少人员伤害和经济损失,具有重要的实用价值.传统的风暴潮预报方法主要包括经验和数值预报,很难建立起相对准确的模型.现有的基于机器学习风暴潮预报方法大都只提取出静态数据间的关系,并没有充分挖掘出风暴潮数据背后的时序关联特性.文中提出了一种基于递归神经网络的风暴潮增水预测方法.本文对风暴潮时序数据进行特定的处理,并设计合适结构的递归神经网络,从而完成时序数据的预测.相较于传统的BP神经网络,递归神经网络能更好地应对时序数据的预测问题.将该方法用于潍坊水站的增水预测中,结果表明,相对于BP神经网络,递归神经网络能得到更好的预测结果,误差更小.
风暴潮增水、预测、数值预报、机器学习、静态数据、时序特性、BP神经网络、递归神经网络
12
TP751(遥感技术)
国家自然科学基金项目61671037
2017-12-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
640-644