基于MATLAB的主成分RBF神经网络降水预报模型

基金项目: 国家自然科学基金项目(40675023);广西民族大学青年科研基金项目(2007QN23)共同资助

THE RAINFALL FORECAST MODEL OF PCA-RBF NEURAL NETWORKS BASED ON MATLAB

1.
College of Mathematics and Computer Science, Guangxi University for Nationalities, Nanning 530006, China
2.
Guangxi Research Institute of Meteorological Disasters Mitigation, Nanning 530022, China

摘要: 以前期500 hPa高度场、海温场为预报因子,采用径向基函数(RBF)神经网络与主成分分析相结合的方法,建立了广西中部5月平均降水预报模型。在5年独立样本的预测检验中,预测的平均相对误差、均方误差及平均绝对误差分别为18.12%、50.52和34.23。对比分析RBF神经网络与BP(Back Propagation)神经网络的预测结果,表明RBF神经网络预测结果更准确、精度更高。
- 月平均降水量 /
- 主成分分析 /
- RBF神经网络
Abstract: Based on previous 500 hPa geopotential height and sea surface temperatures,a prediction model of the monthly mean rainfall in May for the central part of Guangxi is established with RBF neural network technology and principal component analysis(PCA) method.The results of the forecast experiment with 5-year samples indicate that the mean relative error is 18.12%,the root mean square error is 50.52,and the mean absolute error is 34.23.The prediction results of RBF neural network are proved to be more accurate compared with BP neural network model.
- monthly mean rainfall /
- principle component analysis /
- RBF neural networks

[1]	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):248-252.
[2]	谷晓平,王长耀,袁淑杰.GA-BP神经网络模型在流域面雨量预报的应用研究[J].热带气象学报,2006,22(3):248-252.
[3]	何慧,金龙,覃志年.基于BP神经网络模型的广西月降水量降尺度预报[J].热带气象学报,2007,23(1):72-77.
[4]	吴翊,李永乐,胡庆军.应用数理统计[M].长沙:国防科技大学出版社,1995:285-297.
[5]	罗四维.大规模人工神经网络理论基础[M].北京:清华大学出版社,2004:164-186.
[6]	朱良俊,张燕平.几种径向基函数(RBF)神经网络的比较[J].福建广播电视大学学报,2007(4):68-71.
[7]	薛宇峰,宋丽红,罗泽举.湛江降水量的径向基神经网络预测模型[J].热带气象学报,2006,22(1):91-95.
[8]	飞思科技产品研发中心.MATLAB6.5辅助神经网络分析与设计[M].北京:电子工业出版社.2003:64-75.