以浙江省2016年1—10月的雷達(dá)回波強(qiáng)度數(shù)據(jù)為基礎(chǔ),分別應(yīng)用隨機(jī)森林模型、BP神經(jīng)網(wǎng)絡(luò)模型、卷積神經(jīng)網(wǎng)絡(luò)模型來預(yù)測降雨量并進(jìn)行對比.建模分析結(jié)果表明,隨機(jī)森林模型預(yù)測效果精確度較低,容易低估較大的降雨強(qiáng)度,而BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)預(yù)測的效果都比隨機(jī)森林好,特別是卷積神經(jīng)網(wǎng)絡(luò),其預(yù)測值與真實(shí)值更加接近,且對較大的降雨強(qiáng)度擬合較好.

【文章頁數(shù)】：12 頁

【部分圖文】：

圖3 最大池化示意圖

圖2平均池化示意圖3)計(jì)算風(fēng)向

圖8 30%特征數(shù)

圖710%特征數(shù)圖950%特征數(shù)

圖9 50%特征數(shù)

圖830%特征數(shù)圖1070%特征數(shù)

圖10 70%特征數(shù)

圖950%特征數(shù)圖1190%特征數(shù)

本文編號：4057253