《表1 ANN模型和MLR模型对TC频数的回报评估》

  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

《利用人工神经网络模型预测西北太平洋热带气旋生成频数》

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

利用1950～2009年8个预报因子和TC频数构建MLR模型和4层ANN模型，图5为2个模型分别对训练集样本数据的拟合曲线与观测值，可以明显看出，两种预报模型对历史样本的拟合趋势都与观测值保持一致，但ANN模型对历史样本的拟合与观测的偏差更小，精确度更高，两条曲线几乎重合。表1给出了反映两个模型拟合情况的4个评估指数（RMSE、R、d、MAE），ANN模型对历史样本拟合的RMSE为1.1，MAE为0.77，而MLR模型的RMSE值达3.77，MAE达3.02，ANN模型的两个误差均明显低于MLR模型；ANN模式对历史样本拟合的R值和d值均高达0.99，拟合效果优异，分别大幅高于MLR模式的0.72，和0.87。可见不论从误差或是相关分析，ANN模型的拟合精度均远高于MLR模型。