论文部分内容阅读
本文对比分析了BP神经网络、卡尔曼滤波、逐步回归、相似回归四种预报方法在相同条件下的预报准确率,结果表明四种方法的预报准确率跟因子组合有很大的关系,BP神经网络在拟合入选预报因子与降水间的非线性关系时表现出明显的优势,卡尔曼滤波较好的拟合了预报因子与温度的线性变化关系,预报误差相对较小。分析了3层BP神经网络预报准确率随隐节点数变化情况及卡尔曼滤波预报准确率随初始递推参数的影响情况,结果表明：BP神经网络在隐节点数大于5时温度和降雨预报准确率有较大的波动；卡尔曼滤波初始递推参数对预报准确率的影响比较小。