基于KPCA的臺(tái)風(fēng)強(qiáng)度神經(jīng)網(wǎng)絡(luò)集合預(yù)報(bào)方法研究

doi:10.3969/2012jms.0101

首頁(yè) > 過刊瀏覽>2013年第33卷第2期 >184-189. DOI:10.3969/2012jms.0101

基于KPCA的臺(tái)風(fēng)強(qiáng)度神經(jīng)網(wǎng)絡(luò)集合預(yù)報(bào)方法研究
DOI:
                        10.3969/2012jms.0101
                    
CSTR:
                        
                    
作者:
                        
                        
                    
作者單位:
作者簡(jiǎn)介:
通訊作者:
中圖分類號(hào):
基金項(xiàng)目:國(guó)家自然科學(xué)基金項(xiàng)目(41065002),廣西自然科學(xué)基金北部灣重大專項(xiàng)(2011GXNSFE018006),上海臺(tái)風(fēng)所研究基金課題(2009ST04)

A new neural network ensemble forecast method based on KPCA for typhoon intensity

Author:

Affiliation:

Fund Project:

摘要

圖/表

訪問統(tǒng)計(jì)

參考文獻(xiàn)

相似文獻(xiàn)

引證文獻(xiàn)

資源附件

文章評(píng)論

摘要:

針對(duì)影響臺(tái)風(fēng)強(qiáng)度前期預(yù)報(bào)因子較多以及因子的非線性變化特點(diǎn),首先采用逐步回歸方法篩選出部分預(yù)報(bào)因子, 再利用核主成分分析方法在剩余的預(yù)報(bào)因子中提取包含了原數(shù)據(jù)較多信息的核主成分與前期選入的預(yù)報(bào)因子共同作為模型輸入。進(jìn)一步考慮到神經(jīng)網(wǎng)絡(luò)集合預(yù)報(bào)中個(gè)體的準(zhǔn)確性和差異性的權(quán)衡問題,在不同的初始條件下生成若干組神經(jīng)網(wǎng)絡(luò),分別選擇每組中性能最優(yōu)的個(gè)體,建立了一種新的非線性神經(jīng)網(wǎng)絡(luò)集合預(yù)報(bào)模型。最后以西北太平洋海域 2001—2010年5—10月的臺(tái)風(fēng)強(qiáng)度為研究對(duì)象進(jìn)行了預(yù)報(bào)試驗(yàn)。結(jié)果表明,這種神經(jīng)網(wǎng)絡(luò)集合預(yù)報(bào)模型的預(yù)報(bào)結(jié)果符合實(shí)際應(yīng)用的要求,其預(yù)報(bào)平均絕對(duì)誤差明顯小于同等條件下的神經(jīng)網(wǎng)絡(luò)方法和逐步回歸預(yù)報(bào)方法。

Abstract:

In this paper, a new neural network ensemble forecast model is developed where the stepwise regression method is used to choose forecast factors which are best correlated with the series of typhoon intensity, and the main information is extracted from remaining forecast factor where kernel principal component analysis(KPCA) method is used. Further, the balance of accuracy and difference is considered for the individuals of neural netwoork ensemble forecast, and then the neural network individuals are generated and the best of each group is selected respectivery under different initial conditions. Finally, the typhoon intensity prediction experiment in the northwest Pacific Ocean, from May to October 2001-2010 was conducted. Results show that the mean absolute prediction error of neural network ensemble forecast model significantly less than that of stepwise regression method and single neural network under the same conditions.

參考文獻(xiàn)

相似文獻(xiàn)

引證文獻(xiàn)

引用本文

史旭明,金龍,黃小燕.基于KPCA的臺(tái)風(fēng)強(qiáng)度神經(jīng)網(wǎng)絡(luò)集合預(yù)報(bào)方法研究.氣象科學(xué),2013,33(2):184-189 SHI Xuming, JIN Long, HUANG Xiaoyan. A new neural network ensemble forecast method based on KPCA for typhoon intensity. Journal of the Meteorological Sciences,2013,33(2):184-189

復(fù)制

文章指標(biāo)

點(diǎn)擊次數(shù):
下載次數(shù):
HTML閱讀次數(shù):
引用次數(shù):

歷史

收稿日期:2011-10-25
最后修改日期:2012-04-05
錄用日期:
在線發(fā)布日期: 2013-04-25
出版日期:

文章二維碼

您是第位訪問者
氣象科學(xué) ® 2026 版權(quán)所有
技術(shù)支持：北京勤云科技發(fā)展有限公司

抽查舔水白紧大视频,冲喜娘子超甜哒激情五月,亚洲黄色图片偷拍网站,亚洲三级黄片免费播放,91在线观看喷潮红桃,日韩精品在线观看一区二区,久久久久久久久久久久黄色片子,日产精品99久久久久久久久,欧洲亚洲另类图片小说

引用本文

分享

相關(guān)視頻

文章指標(biāo)

歷史

文章二維碼

抽查舔水白紧大视频,冲喜娘子超甜哒 激情五月,亚洲黄色图片偷拍网站,亚洲三级黄片免费播放,91在线观看喷潮红桃,日韩精品在线观看一区二区,久久久久久久久久久久黄色片子,日产精品99久久久久久久久,欧洲亚洲另类图片小说

引用本文

分享

相關(guān)視頻

文章指標(biāo)

歷史

文章二維碼

抽查舔水白紧大视频,冲喜娘子超甜哒激情五月,亚洲黄色图片偷拍网站,亚洲三级黄片免费播放,91在线观看喷潮红桃,日韩精品在线观看一区二区,久久久久久久久久久久黄色片子,日产精品99久久久久久久久,欧洲亚洲另类图片小说