本文主要研究内容
作者孙家清,张志薇,艾文文（2019）在《BP神经网络在油菜花期预报中的应用》一文中研究指出：建立花期预报模型,发布观赏性植物的精准花期预报,为旅游活动提供重要参考依据,已经成为气象服务领域一个新的发展方向。为了解高淳旅游区油菜花期的变化规律,探索其预报方法,指导高淳油菜花节旅游活动,根据1985—2010年高淳站日最高气温、日最低气温、日平均气温、日降水量、日日照时数、日平均5 cm地温、日平均相对湿度和日小型蒸发量等气象观测数据,利用主成分分析法,得到其与油菜花期相关系数较大的3个主成分,即温度因子、天气因子和辐射因子,以此为输入因子,建立基于BP神经网络的油菜花期预报模型,探讨BP神经网络在花期预报领域的应用。结果表明,传统的有效积温方法预报结果与实际开花期平均相差4.25天,BP神经网络方法预报结果与实际开花期平均相差1.5天,与有效积温预报油菜花期的方法相比,BP神经网络技术具有预测结果准确率高和操作简单等特点,在花期预报领域具有广阔的应用前景。
Abstract
jian li hua ji yu bao mo xing ,fa bu guan shang xing zhi wu de jing zhun hua ji yu bao ,wei lv you huo dong di gong chong yao can kao yi ju ,yi jing cheng wei qi xiang fu wu ling yu yi ge xin de fa zhan fang xiang 。wei le jie gao chun lv you ou you cai hua ji de bian hua gui lv ,tan suo ji yu bao fang fa ,zhi dao gao chun you cai hua jie lv you huo dong ,gen ju 1985—2010nian gao chun zhan ri zui gao qi wen 、ri zui di qi wen 、ri ping jun qi wen 、ri jiang shui liang 、ri ri zhao shi shu 、ri ping jun 5 cmde wen 、ri ping jun xiang dui shi du he ri xiao xing zheng fa liang deng qi xiang guan ce shu ju ,li yong zhu cheng fen fen xi fa ,de dao ji yu you cai hua ji xiang guan ji shu jiao da de 3ge zhu cheng fen ,ji wen du yin zi 、tian qi yin zi he fu she yin zi ,yi ci wei shu ru yin zi ,jian li ji yu BPshen jing wang lao de you cai hua ji yu bao mo xing ,tan tao BPshen jing wang lao zai hua ji yu bao ling yu de ying yong 。jie guo biao ming ,chuan tong de you xiao ji wen fang fa yu bao jie guo yu shi ji kai hua ji ping jun xiang cha 4.25tian ,BPshen jing wang lao fang fa yu bao jie guo yu shi ji kai hua ji ping jun xiang cha 1.5tian ,yu you xiao ji wen yu bao you cai hua ji de fang fa xiang bi ,BPshen jing wang lao ji shu ju you yu ce jie guo zhun que lv gao he cao zuo jian chan deng te dian ,zai hua ji yu bao ling yu ju you an kuo de ying yong qian jing 。
论文参考文献
论文详细介绍
论文作者分别是来自气象与环境科学的孙家清,张志薇,艾文文，发表于刊物气象与环境科学2019年04期论文，是一篇关于神经网络论文,主成分分析论文,油菜花期论文,预报模型论文,气象与环境科学2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自气象与环境科学2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：神经网络论文; 主成分分析论文; 油菜花期论文; 预报模型论文; 气象与环境科学2019年04期论文;