《表3 粒子群-神经网络建模预报检验结果》
采用不同的F值逐步回归方法从11个关键因子群里再进行因子提取,利用计算得到的关键因子建立神经网络预报模型,三个不同F值得到不同因子数,并利用三个不同的因子数来做的神经网络预报,得到三种不同的预报结果。预报模型的建模样本个数为131,独立预报样本个数为20个,设定粒子位置的上限为2(下限为-2),隐节点为输入节点倍数上限为1.9(下限为0.3),学习因子为0.5,训练次数为200,总体误差为0.01。预报结果来看(见表3),粒子群-神经网络预报的绝对误差均小于逐步回归预报,其中利用在F=4下逐步回归方法得到的因子粒子群-神经网络建模预报误差最小,仅为64,相对误差较逐步回归方法预报效果最好的方程减小了32.5%。
图表编号 | XD0022723700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.01 |
作者 | 覃卫坚、廖雪萍、陈思蓉 |
绘制单位 | 广西壮族自治区气候中心、广西壮族自治区气象减灾研究所、广西壮族自治区气候中心 |
更多格式 | 高清、无水印(增值服务) |