介绍了神经网络技术在时间序列模拟和预报中的应用要点;应用神经网络技术对Nino3.4海区海表温度变化异常(SSTA)进行了实验预报,每次给出1~12个月预报值;将预报值与SSTA实测值以及其它模型的预报值进行了比较。结果表明,在1990年1月~2007年10月期间,SSTA预报值与实测值的均方误差为±0.76℃。将2004年10月~2007年10月期间该方法的预报结果与美国气候预测中心(CPC)发布的各种模型的预报结果(只给出第2~10月预报值)进行比较,结果表明这一期间该方法预报值相对实测值的均方误差为±0.86℃,精度略好于另外一个神经网络模型的预报精度(±0.98℃)。
Applications of the neural networks in time series forecasting are introduced in this paper. Based on the neural network models,predictions of the sea surface temperature anomaly (SSTA) in Nino3.4 region of tropical Pacific are made in this study. SSTA values for future 12 months are predicted for every month. The root mean square error (RMSE) between our SSTA predictions and observations is about ±0.76℃ for Jan. 1990~Oct. 2007. Our RMSE result (±0.86℃) is slightly small in comparison with ±0.98℃ which is o...