混合PNN和RBF多神经网络模型的局域降雨类型识别及雨量预测
在深入分析南方某局域气象数据的基础上,提出构建多网络模型(概率神经网络PNN和径向基神经网络RBF混合模型)对局域地区降雨类型进行识别及雨量预测.首先构建PNN神经网络模型识别降雨类型;其次,针对大雨级别以下和大雨级别以上分别建立两个不同的RBF神经网络模型,实现对降雨量的进一步预测;最后将RBF网络预测的雨量结果逆向校正PNN网络的预测识别结果并获得降雨类型数据的雨量等级划分.本文均采用K折交叉验证方法检验模型的可靠性与稳定性.实验结果表明,模型有效提升了预测准确率及召回率,并在实际中取得较好的应用效果.
概率神经网络、径向基神经网络、主元分析、K折交叉验证、气象数据
37
TP183(自动化基础理论)
国家自然科学基金项目6127067,61104156,61370229,61402118;广东省科技计划项目2012B091000173,2013B090200017,2013B010401029,2013B010401034;广州市科技计划项目2013J4100004,2013J4500028;广东工业大学大学生创新创业训练计划项目201411845025
2017-04-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
2571-2576