GA-BP神经网络模型在流域面雨量预报的应用研究
谷晓平1
王长耀2
袁淑杰3
1.贵州山地环境与气候研究所,贵州,贵阳,550002;中国科学院遥感应用研究所,北京,1001012.中国科学院遥感应用研究所,北京,1001013.河北农业大学,河北,保定,100037
摘要：通过采用遗传算法优化网络初始权重的方法,将遗传算法(GA)和前馈误差反传播(BP)算法有机地结合,优势互补,并应用于流域面雨量预报.以广东省东北部的滨江流域为试验区域,以1995～2001年气象探空资料为基础,利用最优子集回归技术进行预报因子筛选,建立了流域面雨量预报的GA-BP神经网络模型,取得了满意的结果.试验表明:(1)6小时流域面雨量预报神经网络的优化结构是7-7-1,转移函数的组合方式为tansig-线性函数.(2)训练算法为Levenberg-Marquardt算法(LM).(3)遗传算法具有快速学习网络权重的能力,对BP网络易陷于局部极小点.(4)利用GA-BP神经网络模型对未来6小时流域面雨量的预报精度明显高于其它统计方法,证明了这种方法的有效性和可靠性.
关键词：神经网络遗传算法最优子集雨量预报
分类号：P426.6(气象基本要素、大气现象)
资助基金：国家科技攻关计划(2003AA131020)中国科学院项目（非规范项目）(40271086)
论文发表日期：2006-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 248-252 )
英文信息