期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于机器学习模型的兰州市月降水量预测研究
1
作者 沈梓诣 班文超 《气象科技进展》 2024年第3期62-67,共6页
月降水量的精确预测对于国民生产、防灾减灾有重大意义,然而单独的模型难以完成准确预测降水的任务。本文把自适应噪声完备集合经验模态分解(CEEMDAN)分别与误差反向传播模型(BP)和长短期记忆神经网络(LSTM)结合起来,以兰州市降水数据为... 月降水量的精确预测对于国民生产、防灾减灾有重大意义,然而单独的模型难以完成准确预测降水的任务。本文把自适应噪声完备集合经验模态分解(CEEMDAN)分别与误差反向传播模型(BP)和长短期记忆神经网络(LSTM)结合起来,以兰州市降水数据为例,与单一的LSTM模型、差分整合移动平均自回归模型(ARIMA)和BP模型的性能进行比较。结果表明,两个复合模型有效提高了观测值和预测值的拟合度,克服了峰值预测精度不高的问题,显著优于对比模型。 展开更多
关键词 兰州市 月降水量 预测 CEEMDAN LSTM ARIMA BP
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部