《表1 方案一残差结果统计表》
由表1,就BP神经网络与WNN模型比较可知,WNN在RMS上有0.27 mm的改善,平均误差降低了0.30 mm,可见在预测的精度和拟合程度上WNN要优于BP神经网络;但是这种优势并不明显,WNN最大绝对误差为1.89 mm,最大相对误差为3.96%,均高于BP神经网络,因此WNN虽然在模型的整体精度上有一定的提高,但是预测的稳定性却不如BP神经网络。理论上,训练好的WNN可预测复杂的时间序列问题,但是WNN模型是结合了小波分析通过调节尺度参数放大局部信号,如果在参数的选择上不够合理,训练好的WNN仍然不能很好地对非线性系统的GPS可降水量进行预报。而本文提出的GWNN模型在GPS可降水量预测的精度与稳定性均优于其他两种模型,最大绝对误差为0.82 mm,RMS为0.29 mm。
图表编号 | XD0054071800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.31 |
作者 | 熊红伟、郑进 |
绘制单位 | 中冶智诚(武汉)工程技术有限公司、湖北省国土测绘院 |
更多格式 | 高清、无水印(增值服务) |