ISSN 1004-4965

CN 44-1326/P

用微信扫描二维码

分享至好友和朋友圈

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

RBF神经网络的汛期旱涝预报方法研究

王艳姣 张鹰 邓自旺 宋德众

王艳姣, 张鹰, 邓自旺, 宋德众. RBF神经网络的汛期旱涝预报方法研究[J]. 热带气象学报, 2005, (1): 100-106.
引用本文: 王艳姣, 张鹰, 邓自旺, 宋德众. RBF神经网络的汛期旱涝预报方法研究[J]. 热带气象学报, 2005, (1): 100-106.
WANG Yan-jiao, ZHANG Ying, DENG Zi-wang, SONG De-zhong. THE APPLICATION OF RBF NEURAL NETWORK IN FORECASTING THE RAINY SEASON DROUGHT/FLOOD IN FUJIAN[J]. Journal of Tropical Meteorology, 2005, (1): 100-106.
Citation: WANG Yan-jiao, ZHANG Ying, DENG Zi-wang, SONG De-zhong. THE APPLICATION OF RBF NEURAL NETWORK IN FORECASTING THE RAINY SEASON DROUGHT/FLOOD IN FUJIAN[J]. Journal of Tropical Meteorology, 2005, (1): 100-106.

RBF神经网络的汛期旱涝预报方法研究

基金项目: 国家科技部项目《福建省气候灾害短期气候预测业务服务系统》(2001DIB20116)南京信息工程大学KLME开放课题(KJS02108)资助

THE APPLICATION OF RBF NEURAL NETWORK IN FORECASTING THE RAINY SEASON DROUGHT/FLOOD IN FUJIAN

  • 摘要: 运用福建省25个代表站汛期降水量资料,得到了能够反映全省旱涝状况指标,以此指标为预报量,运用相关分析和逐步回归分析方法,从前期海温场、大气环流场中选取了预报因子,并据此建立了福建汛期旱涝的多元线性回归和RBF神经网络预测模型。结果表明,RBF神经网络模型在历史样本拟合精度上、样本交叉检验和模型的实际预测能力上都明显优于传统的线性回归方法,该模型在实际预测中具有良好的应用能力和推广价值。

     

  • [1] 张力华.国外人工智能技术在天气预报中的应用综述[J].气象科技,1999(1):1-4.
    [2] 金龙,陈宁,林振山.基于人工神经网络的集成预报方法研究和比较[J].气象学报,1999,57(2):198-207.
    [3] 周佩玲,陶小丽,傅忠谦,等.改进RBF神经网络用于降水量预测[J].小型微型计算机,2001,22:244-246.
    [4] 胡江林,涂松柏,冯光柳.基于人工神经网络的暴雨预报方法探讨[J].热带气象学报,2003,19(4):442-428.
    [5] 魏凤英.现代气候统计诊断与预测技术[M].北京:气象出版社,1999.187-194.
    [6] 闻新,周露,王丹力,等.神经网络应用设计[M].北京:科学出版社,2000.245-247.
    [7] 楼顺天,施阳.给予MTATLAB的系统分析与设计--神经网络[M].西安:西安电子科技大学出版社,2000.14-16.
    [8] 鞠笑生,杨贤为,陈丽娟,等.我国单站旱涝指标确定和区域旱涝级别划分的研究[J].应用气象学报,1997,8(1):26-33.
    [9] 章明亮,李燕欣.国内常用旱涝指标的分类研究[J].气象科技,1993(3):81-87.
  • 加载中
计量
  • 文章访问数:  1311
  • HTML全文浏览量:  0
  • PDF下载量:  667
  • 被引次数: 0
出版历程
  • 收稿日期:  2003-11-12
  • 修回日期:  2004-07-09

目录

    /

    返回文章
    返回