本文采用奇异谱分析(S ingu lar Spectrum A na lys is,SSA)方法对原始降水序列重构,并用均生函数(M eanG enerating Function,M GF)方法对重构系列构造延拓矩阵,以此作为自变量,原始降水序列作为因变量,再利用偏最小二乘法提取对因变...本文采用奇异谱分析(S ingu lar Spectrum A na lys is,SSA)方法对原始降水序列重构,并用均生函数(M eanG enerating Function,M GF)方法对重构系列构造延拓矩阵,以此作为自变量,原始降水序列作为因变量,再利用偏最小二乘法提取对因变量影响强的成分作为神经网络的输入因子,原始序列作为输出因子,建立神经网络预测模型。通过对广西全区6月份降水量进行实际建模并与其它方法进行对比预测试验,结果表明,基于SSA-M GF的偏最小二乘回归神经网络预测模型较好,是一种具有较高应用价值的预测方法。展开更多
文摘本文采用奇异谱分析(S ingu lar Spectrum A na lys is,SSA)方法对原始降水序列重构,并用均生函数(M eanG enerating Function,M GF)方法对重构系列构造延拓矩阵,以此作为自变量,原始降水序列作为因变量,再利用偏最小二乘法提取对因变量影响强的成分作为神经网络的输入因子,原始序列作为输出因子,建立神经网络预测模型。通过对广西全区6月份降水量进行实际建模并与其它方法进行对比预测试验,结果表明,基于SSA-M GF的偏最小二乘回归神经网络预测模型较好,是一种具有较高应用价值的预测方法。