论文部分内容阅读
文章首先利用改进的模糊聚类方法获得与预测样本具有相似属性的训练样本；其次，利用遗传算法优化神经网络的初始权值、闽值及隐节点个数：最后采用一种基于模糊C均值聚类与对神经网络个体泛化误差估计相结合的方法．实现神经网络集成个体的选择。以逐日降水天气预报为例的实际预报试验结果表明，与神经网络的简单平均集成预报相比，这种改进的降水神经网络集成预报方法的泛化能力有了较大的提高。