排序方式: 共有2条查询结果,搜索用时 515 毫秒
1
1.
通过分析广西4个探空站资料,结合GGOS Atmosphere格网Tm数据,建立随高程增大的温度递减率模型。根据温度递减率模型分别采用反距离加权法、双线性插值法、新反距离加权法和新双线性插值法计算探空站Tm,通过分析插值误差建立广西非气象参数Tm模型,并与Bevis模型、中国东部模型、广西模型进行比较。结果表明,温度递减率模型的Tm插值精度相对其他3种模型有比较明显的提升,4种方法的平均绝对误差(MAE)和均方根误差(RMSE)在1~2 K之间;广西非气象参数Tm模型的插值精度得到进一步提高,百色站的MAE约为2 K,其余站点的MAE和RMSE均在1 K左右,能满足可降水量反演的精度要求。 相似文献
2.
针对传统BP神经网络存在的学习速度慢、易陷入局部极值等问题,利用鲸鱼优化算法(WOA)以及狼群算法(WPA)混合优化BP神经网络的权值和阈值,构建WPA-WOA-BP神经网络模型,并对PM2.5浓度进行预测。实验结果证明,WPA-WOA-BP神经网络模型预测稳定性高,可用于PM2.5浓度的预测,且预测精度优于BP神经网络、WPA-BP神经网络和WOA-BP神经网络模型。 相似文献
1