大氣可降水量預測的改進BP神經網絡模型

作者：黃逸宇,魏冠軍,任瑞

摘要：針對傳統反向傳播(BP)神經網絡使用隨機的初始化參數易造成模型計算量變大和迭代不穩定,從而導致模型預測精度較低的問題,提出1種改進的BP神經網絡模型:首先利用大氣可降水量歷史數據進行迭代,得到效果較好的初始化參數;再將此參數代入神經網絡進行建模;最后選取2017年國際探空站可降水量資料數據和2017年全球定位系統(GPS)反演的可降水量數據,分別對改正的BP神經網絡模型進行驗證,對比分析改進的BP神經網絡及傳統BP神經網絡的預測精度。結果表明,改進的BP神經網絡相比傳統BP神經網絡具有較高的預測精度。

發文機構：蘭州交通大學測繪與地理信息學院/地理國情監測技術應用國家地方聯合工程研究中心/甘肅省地理國情監測工程實驗室

關鍵詞：反向傳播神經網絡模型大氣可降水量預測精度反演back propagationneural network modelatmospheric precipitable water vaporprediction accuracyinversion

分類號： P228[天文地球—大地測量學與測量工程]