基于海表異常溫度與MPGA-BP模型的干旱預測
摘要：針對BackPropagation（BP）神經網絡訓練時,初始權值與閾值選取隨機性大的不足,利用多種群遺傳算法（Multiple-PopulationsGeneticAlgorithm,MPGA）對其進行改進,構建了MPGA-BP神經網絡預測模型,并選用海表異常溫度（Seasurfacetemperatureanomalies,SSTA）作為該干旱預測模型的輸入因子,對研究區域的干旱進行了預測。結果表明：以SSTA作為MPGA-BP神經網絡的輸入因子能夠有效的預測干旱,該模型對干旱的預測精度高于BP神經網絡與統計回歸模型。測試期,MPGA-BP預測所得RMSE為2.1658,CORR為0.9161,BP預測所得RMSE為3.2919,CORR為0.8109,統計回歸模型所得RMSE為3.6990,CORR為0.7243,因此,以SSTA作為預報因子的MPGA-BP神經網絡模型性能指標符合當地實際要求,具有一定的應用價值。
注: 保護知識產權,如需閱讀全文請聯系貴州農機化雜志社
相關推薦
更多
