极限学习机神经网络在短期降水预报中的应用

被引：18

作者：

虞双吉 ^{[1
]}

苗春生 ^{[1
]}

王新 ^{[2
]}

机构：

[1] 南京信息工程大学大气科学学院

[2] 华风气象传媒集团

来源：

云南大学学报(自然科学版) | 2013年 / 35卷 / 04期

关键词：

人工神经网络; 极限学习机(ELM); 主成分分析; 降水分级预报;

D O I：

暂无

中图分类号：

P457.6 [降水预报];

学科分类号：

070601 [气象学];

摘要：

数值预报产品释用是天气预报现代化发展方向,也是我国预报业务建设的重点之一.结合主成分分析方法从中国气象局T213资料中选取降水预报因子,利用极限学习机(Extreme Learning Machine,ELM)神经网络方法进行衢州单站逐日降水的分级预报研究.结果表明:主成分分析方法可以保留原来预报因子矩阵大部分信息并大幅降低矩阵维数,使新的预报因子之间相互正交;ELM方法不仅具有很强的历史拟合能力,独立样本所有降水预报TS评分也从T213模式预报0.3提高到0.8,特别是对大到暴雨有了较强预报能力;与相同条件下BP方法预报模型相比,ELM方法网络参数设定简单,训练速度快,历史样本的训练结果和独立样本的预报结果也都要优于BP方法.

引用

页码：507 / 515

页数：9

共 14 条

[1]

极限学习机方法在电力线路建设成本估算中的应用研究 [J].