【摘 要】
：
针对冬季低温灾害性天气过程具有时间相关性和非线性变化等特点而造成的建模因子处理和预报建模困难问题,以及现有预报方法未能充分获取低温冷害的本质特征,论文提出了一种以
【机 构】
：
广西科技师范学院数学与计算机科学学院,广西来宾546199;广西壮族自治区气候中心,广西南宁530022
论文部分内容阅读
针对冬季低温灾害性天气过程具有时间相关性和非线性变化等特点而造成的建模因子处理和预报建模困难问题,以及现有预报方法未能充分获取低温冷害的本质特征,论文提出了一种以深度学习长短期记忆神经网络(LSTM)为基础的低温气象灾害预报模型.该方法结合了长短期记忆神经网络、随机森林和优化支持向量机回归(SVM)等各自的优点,先采用长短期记忆神经网络方法获取数据特征,再利用随机森林方法中的特征重要属性对LSTM模型获取的特征进一步筛选,将随机森林模型获取的特征训练优化支持向量回归建立了低温冷害的预测模型.进一步将该模型与LSTM模型、SVM模型、随机森林回归模型、逐步回归预报模型的预测效果进行了比较,由测试样本的预报仿真实验证明,在相同的预报建模样本和相同的预报因子条件下,该模型比其他4个模型有较高的预测精度,显示了对非线性低温冷害预报问题的更好适用性.
其他文献
研究了修理工多重延误休假的三部件并-串联退化可修复系统,该系统用带有边界条件和初始条件的无穷多个偏微分方程来表示.运用泛函分析中的C0-半群理论来证明系统的解是存在并
通过对糖尿病视网膜扫描显微镜病理切片的分析,可以发现细胞之间微小的差距难以用肉眼来辨别.纤维层的薄厚变化以及层内细胞核的数量和形态变化更难以用肉眼评估.需要从专业人员的主观分析发展到定量分析,才能够客观评价视网膜疾病早期组织结构的细微变化.细胞核的自动分割是计算机辅助病理图像分析的关键步骤,然而由于数据复杂性和可变性,细胞核的分割存在一定困难.近年来,深度学习在病理图像的分析应用中受到了越来越多的
认知可靠性与人误分析法(CREAM)的共同绩效条件(CPC)的定义相对模糊且具有重合性,在实际工程应用预测失误率时主要依赖专家主观判断,不确定性强.为了改善这一问题,结合WANO(
近些年,随着人民生活水平的不断提高以及高质量生活意识的不断增强,越来越多的家用电器通过线上购物的方式走进普通家庭.这些用电产品在给人民生活提供便利的同时,由于本身质
非均质超稠油油藏由于物性差、粘度高等影响,导致常规SAGD驱开发效果不佳,针对该问题,以新疆风城油田为例,通过建立分支井水平井组合多介质辅助SAGD驱开采模型,采用数值模拟