《表3 粒子群-神经网络建模预报检验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《延伸期暴雨过程的神经网络预报技术应用初探》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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%。