| 基于PSO-BP神经网络的中国区域大气加权平均温度模型北大核心CSCD |
| |
| 引用本文： | 石一凡刘立龙兰胜伟张清岚李浩杰.基于PSO-BP神经网络的中国区域大气加权平均温度模型北大核心CSCD[J].大地测量与地球动力学,2023(12):1300-1306. |
| |
| 作者姓名： | 石一凡刘立龙兰胜伟张清岚李浩杰 |
| |
| 作者单位： | 1.桂林理工大学测绘地理信息学院541006; |
| |
| 基金项目： | 国家自然科学基金(42064002)。 |
| |
| 摘 要： | 结合粒子群优化算法和BP神经网络,利用中国区域88个探空站2015-2017年的数据,以地表温度、地表水汽压、纬度、高程、年积日作为模型输入因子,以积分法获得的Tm值为学习目标,建立适用于中国区域的Tm模型PSOTM。以2018年探空数据为参考值评定PSOTM模型精度,并与Bevis、GPT3、传统BP神经网络(BPTM)、GRNN神经网络(GRNNTM)模型的计算结果进行对比。结果表明,PSOTM模型年均RMSE为3.08 K,相对于Bevis、GPT3、BPTM和GRNNTM模型分别降低26.84%、35.97%、15.38%和4.94%;PSOTM模型年均bias为0.32 K,相对于Bevis、GPT3和BPTM模型分别降低68.93%、82.42%和72.41%,较GRNNTM模型升高37.50%。PSOTM模型在中国区域不同纬度和高程的精度与稳定性优于Bevis、GPT3和BPTM模型,具有良好的适用性。
|
| 关 键 词： | 大气加权平均温度 中国区域 粒子群算法 BP神经网络 |
| 本文献已被 维普 等数据库收录！ |
|
