《表2 方案二残差结果统计表》

  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

《基于遗传算法优化小波神经网络预测GPS可降水量》

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

由表2可知，对GPS可降水量抖动明显的情况下进行预测，WNN模型相对于BP神经网络模型在预测的精度上有一定的改进，但是在60 min的预测上RMS仍然为3.11 mm；无法很好地满足实时的水汽预测要求，且在预测的稳定性方面依然无法得到很好的改善，WNN模型预测的最大绝对误差为7.85 mm，最大相对误差为15.92%，均高于BP神经网络模型。可见由于WNN模型自身的小波分析功能的影响，使得这一特点在GPS可降水量变化剧烈的情况下表现得更为明显。而本文建立的GWNN模型，网络参数预测得到的RMS为2.19 mm，在WNN模型的基础上有0.92 mm提高。在预测的稳定性上，相比较于另外两种模型也均有不同程度的改善。