《表2 粒子群—糊神经网络（PSO-FNN）集成预报模型与逐步回归预报方法对广西冷湿指数极端天气独立预报样本的误差统计》

  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

《基于智能计算的广西冷湿极端天气定性和定量组合预报方法研究》

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

在定量集成预报模型对16个独立预报样本进行预报试验时，先用115个建模样本建立预报模型对第1个独立样本作预报，然后，再以115个建模样本加上前面第1个独立样本，以116个样本作为建模样本，对第2个独立样本进行预报……，以此类推，最后是用115加前15个独立样本即130个样本作为建模样本对最后一个（第16个）独立样本作预报，这样可以使独立样本的预报与实际预报一致。因为在实际业务预报中，利用已知的前期预报因子和预报量即可建立预报模型进行预报。逐次预报过程中，粒子群算法和模糊神经网络的所有参数保持不变，每次预报都对建模样本重新进行PCA计算，按照相同的标准提取主成分作为模型输入。表2为采用粒子群—模糊神经网络集成定量预报模型，对24 h广西冷湿极端天气独立预报样本的预报误差情况。经统计得到，16个独立预报样本的预报平均绝对误差为16.92，平均相对误差为23.02%，均方根误差为20.92。