测绘科学

2020, v.45;No.261(03) 33-38

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

GA-BP神经网络的GPS可降水量预测
Prediction of GPS perceptible water vapor based on GA-BP neural network

谢劭峰;赵云;李国弘;周志浩;

摘要(Abstract):

针对传统BP神经网络模型存在的学习速度慢、易陷入局部极值以及网络结构参数取值的不确定性等问题,该文研究了一种基于遗传算法与BP神经网络相结合的GPS可降水量预测的新方法。该方法利用遗传算法对BP神经网络的初始权值和阈值进行优化,并对该模型进行训练,以提高预测模型的性能。实验结果证明了遗传BP神经网络模型用于GPS可降水量预测的可行性,其预测结果的均方根误差为0.16 mm、平均绝对百分误差为0.23%。相对于BP神经网络和小波神经网络模型,均方根误差分别降低了0.37和0.19 mm,平均绝对百分误差分别降低了0.62%和0.33%。同时遗传BP神经网络模型亦显示了很好的非线性拟合能力,能更好地预测GPS可降水量,对实际工作具有较强的参考价值。

关键词(KeyWords): BP神经网络;遗传算法;GPS可降水量;预测

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(41864002,41704027);; 广西自然科学基金项目(2018GXNSFAA281182);; 广西中青年教师基础能力提升项目(2017KY0267)

作者(Author): 谢劭峰;赵云;李国弘;周志浩;

Email:

DOI: 10.16251/j.cnki.1009-2307.2020.03.006

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享