摘要
为验证EEMD-GRNN降水量预测模型的准确性,基于南京地区年降水量数据对其进行研究,并与GRNN模型和BPNN模型进行对比。结果显示,EEMD-GRNN模型在年降水量预测上较GRNN模型和BPNN模型具有较高的预测精度,且预测结果可信,为提高降水量预测精度提供了新方法。
In order to verify the accuracy of EEMD-GRNN model for precipitation forecasting,the data of annual precipitation in Nanjing Area was analyzed.Compared with GRNN model and BPNN model,the results show that the EEMD-GRNN model has higher prediction accuracy and credible prediction results.So,it provides a new way for improving of annual precipitation forecasting accuracy.
引文
[1]崔屾,迟道才,孟丽丽,等.基于小波神经网络的年降水量预测模型研究[J].人民长江,2008,39(20):55-57.
[2]刘秀清,宇仁德,范东凯.基于广义回归神经网络的交通事故预测[J].山东理工大学学报:自然科学版,2007,21(2):29-35.
[3]Wittkemper H,Steiner M.Using Neural Networks to Forecast the Systematic Risk of Stocks[J].European Journal of Operational Research,1996(90):577-588.
[4]郝鑫.广义回归神经网络和遗传算法研究及其在化工过程建模中的应用[D].杭州:浙江大学,2004.
[5]Wu Z H,Huang N E.Ensember Empirical Mode Decomposition:a Noise-assisted Data Analysis Method[J].Advance in Adaptive Data Analysis,2009,1(1):1-41.
[6]孙银凤,陆宝宏.基于EEMD的南京市降水特征分析[J].中国农村水利水电,2013(3):5-9.
[7]关维国,姚清志,鲁宝春.微电网HHT谐波检测与时频分析方法[J].计算机工程与应用,2015,51(20):198-212.
[8]胡汉辉.公路运输能力的神经网络预测[J].邵阳学院学报:自然科学版,2010,7(2):26-29.
[9]李善,谭继文,余昆.基于EEMD-GRNN网络的滚动轴承故障诊断试验研究[J].设计与研究,2016(3):55-60.