大气可降水量预测的改进BP神经网络模型

作者：黄逸宇,魏冠军,任瑞

摘要：针对传统反向传播(BP)神经网络使用随机的初始化参数易造成模型计算量变大和迭代不稳定,从而导致模型预测精度较低的问题,提出1种改进的BP神经网络模型:首先利用大气可降水量历史数据进行迭代,得到效果较好的初始化参数;再将此参数代入神经网络进行建模;最后选取2017年国际探空站可降水量资料数据和2017年全球定位系统(GPS)反演的可降水量数据,分别对改正的BP神经网络模型进行验证,对比分析改进的BP神经网络及传统BP神经网络的预测精度。结果表明,改进的BP神经网络相比传统BP神经网络具有较高的预测精度。

发文机构：兰州交通大学测绘与地理信息学院/地理国情监测技术应用国家地方联合工程研究中心/甘肃省地理国情监测工程实验室

关键词：反向传播神经网络模型大气可降水量预测精度反演back propagationneural network modelatmospheric precipitable water vaporprediction accuracyinversion

分类号： P228[天文地球—大地测量学与测量工程]