大气可降水量预测的改进BP神经网络模型

发布时间：2022-12-09 22:59

　　针对传统反向传播（BP）神经网络使用随机的初始化参数易造成模型计算量变大和迭代不稳定,从而导致模型预测精度较低的问题,提出1种改进的BP神经网络模型:首先利用大气可降水量历史数据进行迭代,得到效果较好的初始化参数;再将此参数代入神经网络进行建模;最后选取2017年国际探空站可降水量资料数据和2017年全球定位系统（GPS）反演的可降水量数据,分别对改正的BP神经网络模型进行验证,对比分析改进的BP神经网络及传统BP神经网络的预测精度。结果表明,改进的BP神经网络相比传统BP神经网络具有较高的预测精度。 

【文章页数】：6 页

【文章目录】：
0 引言
1 区域大气可降水量预测的改进BP神经网络模型
    1.1 BP神经网络基本原理
    1.2 改进的BP神经网络算法
2 GPS-PWV反演原理
3 实验与结果分析
    3.1 利用探空站数据进行PWV预测试验
    3.2 利用GPS反演大气可降水量数据进行PWV预测试验
4 结束语


【参考文献】：
期刊论文
[1]基于改进的BP神经网络构建区域精密对流层延迟模型[J]. 肖恭伟,欧吉坤,刘国林,张红星.  地球物理学报. 2018(08)
[2]基于湖南CORS网的PWV时空变化分析及其在暴雨落区预报中的应用[J]. 江婷,李黎,田莹,谢建,王卫军.  大地测量与地球动力学. 2018(07)
[3]基于神经网络模型误差补偿技术的对流层延迟模型研究[J]. 陈阳,胡伍生,严宇翔,龙凤阳,张良.  大地测量与地球动力学. 2018(06)
[4]基于遗传小波神经网络的GPS可降水量预测[J]. 谢劭峰,苏永柠,王新桥,杨帆,梁春丽,邢尹.  中国科技论文. 2018(09)
[5]湿延迟与可降水量转换系数的全球经验模型[J]. 姚宜斌,郭健健,张豹,胡羽丰.  武汉大学学报(信息科学版). 2016(01)
[6]基于小波神经网络的GPS可降水量预测研究[J]. 葛玉辉,熊永良,陈志胜,陈宏斌,龙嘉露.  测绘科学. 2015(09)
[7]基于改进BP神经网络的煤体瓦斯渗透率预测模型[J]. 尹光志,李铭辉,李文璞,曹偈,李星.  煤炭学报. 2013(07)
[8]GPS反演的大气可降水量变化特征及其与降水的关系研究[J]. 罗梦森,曾明剑,景元书,熊世为.  气象科学. 2013(04)
[9]经验模态分解与神经网络的GPS可降水量预测[J]. 刘严萍,杨晶,王勇.  测绘科学. 2013(05)
[10]基于遗传BP神经网络的短期风速预测模型[J]. 王德明,王莉,张广明.  浙江大学学报(工学版). 2012(05)

博士论文
[1]地基GNSS层析对流层水汽若干关键技术研究[D]. 王晓英.南京信息工程大学 2013



本文编号：3715540