排序方式: 共有1条查询结果,搜索用时 3 毫秒
1
1.
三种非线性回归逐时气温预报比较订正 总被引:1,自引:0,他引:1
选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1.8 ℃和1.4 ℃,总体上构造函数预报更为准确。 相似文献
1