期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
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
职称材料
题名
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
机构
浙江海洋大学海洋工程装备学院
出处
《气象科技进展》
2024年第3期62-67,共6页
文摘
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。
关键词
兰州市
月降水量
预测
CEEMDAN
LSTM
ARIMA
BP
Keywords
Lanzhou City
monthly precipitation
prediction
CEEMDAN
LSTM
ARIMA
BP
分类号
P4 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习模型的兰州市月降水量预测研究
沈梓诣
班文超
《气象科技进展》
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部