位置：成果数据库 > 期刊 > 期刊详情页
两种样本输入方式下基于GRNN的日长变化预报结果的比较
  • 期刊名称：中国科学院上海天文台年刊
  • 时间：0
  • 页码：147-153
  • 语言：中文
  • 分类：P18[天文地球—天文学]
  • 作者机构：[1]中南大学地球科学与信息物理学院
  • 相关基金：国家自然科学基金委员会与中国科学院天文联合基金(No.10878026)
  • 相关项目：地球自转变化的ANN预报
作者： 朱建军|张晓红|王琪洁|
关键词： 广义回归神经网络, 日长变化预报, 输入方式, 相关性
中文摘要：

针对广义回归神经网络用于日长变化预报过程中,样本的输入方式对预报结果的影响进行了研究。采用2种输入方式:即样本按不同跨度输入以及按连续输入,对日长变化进行预报。最终证明不同的样本输入方式对日长变化预报精度的影响较大,样本按跨度输入在超短期预报中预报精度较高,样本采用连续输入的方式在短期和中期预报中预报精度较高。

同期刊论文项目
地球自转变化的ANN预报
期刊论文 20 会议论文 5 获奖 2
同项目期刊论文
利用端部效应改正的LS+AR模型进行日长变化预报
经验模式分解在极移超短期预报中的应用
RMSE的平方与平滑度的线性组合的平方根作为Vondrak滤波评价标准的探讨
附不等式约束最小二乘平差的一种新算法
基于二次曲面和BP神经网络组合模型的GPS高程异常拟合
跳步自回归模型在中长期日长变化预报中的应用
基于连续GPS跟踪站资料的SRTM高程精度评估和验证
一种修正的Goldstein干涉图滤波方法
样本数据预处理对基于BP神经网络的GPS高程拟合的影响
最小二乘外推与ARIMA(P,1,0)组合模型在极移短期预报中的应用
加权最小二乘法与AR组合模型在极移预测中的应用研究
广义回归神经网络在日长变化预报中的应用
提前终止的遗传神经网络在GPS高程拟合中的应用
应用神经网络技术预报海表温度变化异常
不等式约束卡尔曼滤波的解算及其统计性质
对钱德勒参数进行时变修正的CLS＋AR模型在极移预测中的应用
Introducing atmospheric angular momentum into prediction of length of day change by generalized regression neural network model