《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》
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。
图表编号 | XD0072435700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.20 |
作者 | 海滢、陈光华 |
绘制单位 | 成都信息工程大学大气科学学院、中国科学院大气物理研究所季风系统研究中心、中国科学院大气物理研究所季风系统研究中心 |
更多格式 | 高清、无水印(增值服务) |