| 逐步回归时间序列和RBF-ANN在降水预测中的应用 |
| |
| 引用本文： | 卢文喜,杨磊磊,杨忠平,辛欣,罗建男,初海波.逐步回归时间序列和RBF-ANN在降水预测中的应用[J].重庆大学学报(自然科学版),2012,35(11):131-135. |
| |
| 作者姓名： | 卢文喜 杨磊磊 杨忠平 辛欣 罗建男 初海波 |
| |
| 作者单位： | 吉林大学 地下水资源与环境教育部重点实验室，长春 130021;吉林大学 地下水资源与环境教育部重点实验室，长春 130021;重庆大学 土木工程学院，重庆 400044;吉林大学 地下水资源与环境教育部重点实验室，长春 130021;吉林大学 地下水资源与环境教育部重点实验室，长春 130021;吉林大学 地下水资源与环境教育部重点实验室，长春 130021 |
| |
| 基金项目： | 国家自然科学基金资助项目(41072171) |
| |
| 摘 要： | 将逐步回归融入到时间序列预测模型的建立中，摒弃了传统的“考虑所有变量”模式，利用“有进有出”的形式，分清各因子主次关系，仅选用影响显著的变量建立预测方程。径向基函数人工神经网络(RBF-ANN)属于局部逼近网络，准确度高。以桦甸市五道沟站的月降水量和月蒸发量为例，分别用传统、逐步回归时间序列分析和RBF-ANN建立降水预测模型，并对比其精度。结果表明：传统、逐步回归时间序列及RBF-ANN模型的后验差比值分别为0.315、0.272、0.284，平均绝对误差分别为18.37、15.65、13.82 mm，有效系数分别为0.87、0.94、0.93，精度均满足要求，最后用逐步回归时间序列法预测了未来5年的月降水量和月蒸发量。
|
| 关 键 词： | 时间序列 逐步回归 RBF-ANN 月降水量 预测 |
Application of stepwise regression-time series and RBF-ANN models to precipitation forecasting |
| |
| LU Wenxi,YANG Leilei,YANG Zhongping,XIN Xin,LUO Jiannan and CHU Haibo.Application of stepwise regression-time series and RBF-ANN models to precipitation forecasting[J].Journal of Chongqing University(Natural Science Edition),2012,35(11):131-135. |
| |
| Authors: | LU Wenxi YANG Leilei YANG Zhongping XIN Xin LUO Jiannan and CHU Haibo |
| |
| Abstract: | |
| |
| Keywords: | time series stepwise regression RBF-ANN monthly total precipitation forecasting |
|
| 点击此处可从《重庆大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆大学学报(自然科学版)》下载免费的PDF全文 |
