论文摘要
由于受各种因素的影响,预测降水量具有一定的难度。本文用最小二乘支持向量机(least squares support vector machine)建立了某地区的降水量预测模型,根据月降水量资料进行了模拟预测,具有较好的预测精度,和实测月降水量具有较好的趋势吻合度。
论文目录
文章来源
类型: 期刊论文
作者: 李海波
关键词: 降水量,最小二乘支持向量机,预测模型
来源: 数码世界 2019年08期
年度: 2019
分类: 信息科技,基础科学
专业: 地球物理学,自动化技术
单位: 厦门大学嘉庚学院
分类号: P338;TP18
页码: 69-70
总页数: 2
文件大小: 2824K
下载量: 4
相关论文文献
- [1].月降水量预测的粒子群-小波神经网络模型[J]. 计算机科学 2015(S1)
- [2].贵州年降水量和年最大月降水量多年一遇的极值计算[J]. 贵州气象 2008(06)
- [3].太原市月降水量时间序列分析[J]. 太原师范学院学报(自然科学版) 2011(02)
- [4].云南高原湖泊洱海流域年降水量时空分布特征研究[J]. 中国水利水电科学研究院学报 2017(03)
- [5].气候变化条件下21世纪中国九大流域极端月降水量时空演变分析[J]. 自然灾害学报 2016(02)
- [6].奇异谱分析-支持向量回归机耦合模型在月降水量预测中的应用[J]. 水电能源科学 2017(10)
- [7].小波分析方法在月降水量多时间尺度分析中的应用[J]. 灌溉排水学报 2009(06)
- [8].多层次降尺度方法对安徽省月降水量预测的研究[J]. 云南大学学报(自然科学版) 2011(05)
- [9].利用树木年轮资料重建石河子地区168a来的5-8月降水量[J]. 高原山地气象研究 2019(03)
- [10].前进农场年月降水量随机特征分析[J]. 水利科学与寒区工程 2019(03)
- [11].南通地区月降水量时间序列分析[J]. 数理统计与管理 2009(03)
- [12].陕西4—10月降水量场预测研究[J]. 气象科学 2008(05)
- [13].奇异谱分析-支持向量回归机耦合模型在月降水量预测中的应用研究[J]. 水利技术监督 2018(04)
- [14].建三江分局月降水量多时间尺度特征分析[J]. 水利科技与经济 2011(08)
- [15].关于云南省月降水量预测探究[J]. 南方农业 2018(26)
- [16].近60年昆明降水量特征分析[J]. 生物数学学报 2013(02)
- [17].TRMM月降水量产品在新疆地区的订正[J]. 应用气象学报 2017(03)
- [18].我省气象知多少 专业解答告诉您[J]. 安全与健康 2018(05)
- [19].基于混沌优化GMDH网络的月降水量预测[J]. 水资源与水工程学报 2011(03)
- [20].混沌序列WA-VOLTERRA耦合模型在月降水量预测中的应用[J]. 地球科学(中国地质大学学报) 2014(03)
- [21].水处理对水花生生长的影响[J]. 江苏农业科学 2012(02)
- [22].基于Box-Jenkins方法的青南高原达日地区月降水量时间序列分析建模[J]. 企业家天地(理论版) 2011(06)
- [23].基于多侧面多分类器融合的月降水量预测[J]. 计算机工程 2009(12)
- [24].黑河流域上游降水精细化分布与总量年际变化[J]. 冰川冻土 2011(03)
- [25].TRMM卫星月降水量产品的可用性研究[J]. 安徽农业科学 2011(22)
- [26].白银市作物生长期降水变化的稳定性分析[J]. 甘肃科学学报 2008(01)
- [27].1960～2010年漓江流域降水变化特征研究[J]. 水文 2014(05)
- [28].陕西省延川县红枣产量与气象因子分析[J]. 江西农业 2016(09)
- [29].芒和五节芒在中国的潜在分布[J]. 植物生态学报 2012(06)
- [30].江南、华南干旱发展“芭玛”登陆海南——2009年10月[J]. 气象 2010(01)
标签：降水量论文; 最小二乘支持向量机论文; 预测模型论文;