基于PCA—LLE组合的优化RBF神经网络降水预测模型

• 作 者: 罗芳琼 吴春梅
• 机 构: 柳州师范高等专科学校数学与计算机科学系
• 出 处: 柳州师专学报
• 发表日期: 2013年2期
• 关键词: 部线性嵌入 主成分分析 径向基神经网络 降维 预测 the locally linear enbedding（LLE） the principal compo

提出了主成分分析（PCA）和局部线性嵌入降维方法（LLE）组合的优化RBF神经网络降水预测模型，首先利用主成分分析（PCA）和局部线性嵌入降维方法（LLE）组合对众多气象物理因子降维提取有效因子，再将这些综合有效因子组成的特征空间矩阵作为优化的RBF神经网络的输入矩阵，从而建立网络模型．以此对广西5月三个不同区域平均日降水量进行预报实验，结果表明，该模型具有较好的收敛效果和泛化能力，在预报性能上明显优于同期的T213降水预报、PCA预报、LLE预报，预报稳定性好，预报准确率较高，具有一定的普遍适用性．