本文主要研究内容
作者薛明,李醒飞,成方林（2019）在《基于多种神经网络的风暴潮增水预测方法的比较分析》一文中研究指出：简要介绍了利用BP神经网络、小波神经网络、递归神经网络进行风暴潮增水值预测的原理。选取广东省珠江口以南的阳江站2017年风暴潮增水数据进行测试。结果表明,三种神经网络方法针对阳江地区风暴潮增水的预测均具有可靠性和实用性。以当前增水值为输入量的单因子模型更能反映真实风暴潮增水趋势,而从增水极值预测的准确性来看,以台风风力、气压、风向等相关参数为输入量的多因子模型优于单因子模型。BP神经网络更适用于多因子长时间预测,小波神经网络在单因子短时间预测上准确性更高,递归神经网络预测值与实测值相关性更强。在工程运用中,需根据地域时空特点、数据资料的丰富度与预测值评估指标选择合适的方法。
Abstract
jian yao jie shao le li yong BPshen jing wang lao 、xiao bo shen jing wang lao 、di gui shen jing wang lao jin hang feng bao chao zeng shui zhi yu ce de yuan li 。shua qu an dong sheng zhu jiang kou yi na de yang jiang zhan 2017nian feng bao chao zeng shui shu ju jin hang ce shi 。jie guo biao ming ,san chong shen jing wang lao fang fa zhen dui yang jiang de ou feng bao chao zeng shui de yu ce jun ju you ke kao xing he shi yong xing 。yi dang qian zeng shui zhi wei shu ru liang de chan yin zi mo xing geng neng fan ying zhen shi feng bao chao zeng shui qu shi ,er cong zeng shui ji zhi yu ce de zhun que xing lai kan ,yi tai feng feng li 、qi ya 、feng xiang deng xiang guan can shu wei shu ru liang de duo yin zi mo xing you yu chan yin zi mo xing 。BPshen jing wang lao geng kuo yong yu duo yin zi chang shi jian yu ce ,xiao bo shen jing wang lao zai chan yin zi duan shi jian yu ce shang zhun que xing geng gao ,di gui shen jing wang lao yu ce zhi yu shi ce zhi xiang guan xing geng jiang 。zai gong cheng yun yong zhong ,xu gen ju de yu shi kong te dian 、shu ju zi liao de feng fu du yu yu ce zhi ping gu zhi biao shua ze ge kuo de fang fa 。
论文参考文献
论文详细介绍
论文作者分别是来自海洋通报的薛明,李醒飞,成方林，发表于刊物海洋通报2019年03期论文，是一篇关于风暴潮增水论文,预测论文,神经网络论文,小波神经网络论文,递归神经网络论文,海洋通报2019年03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，资料来自海洋通报2019年03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：风暴潮增水论文; 预测论文; 神经网络论文; 小波神经网络论文; 递归神经网络论文; 海洋通报2019年03期论文;