人民长江
人民長江
인민장강
YANGTZE RIVER
2009年
5期
58-59,103
,共3页
梁凤国%李帅莹%于淼%马宗正
樑鳳國%李帥瑩%于淼%馬宗正
량봉국%리수형%우묘%마종정
参考作物腾发量%GRNN神经网络%BP神经网络%需水预报
參攷作物騰髮量%GRNN神經網絡%BP神經網絡%需水預報
삼고작물등발량%GRNN신경망락%BP신경망락%수수예보
参考作物腾发量是估算作物蒸发蒸腾量的关键参数,它的准确预测对提高作物需水预报精度具有十分重要的意义.由于参考作物腾发量与各气象因子呈非线性关系,将GRNN神经网络引用于参考作物腾发量预测中,并以铁岭市为例,对比分析了GRNN模型与BP模型的预测结果.分析表明:GRNN模型不仅训练速度快,还具有比BP模型更高的预测精度、逼近性和稳定性.
參攷作物騰髮量是估算作物蒸髮蒸騰量的關鍵參數,它的準確預測對提高作物需水預報精度具有十分重要的意義.由于參攷作物騰髮量與各氣象因子呈非線性關繫,將GRNN神經網絡引用于參攷作物騰髮量預測中,併以鐵嶺市為例,對比分析瞭GRNN模型與BP模型的預測結果.分析錶明:GRNN模型不僅訓練速度快,還具有比BP模型更高的預測精度、逼近性和穩定性.
삼고작물등발량시고산작물증발증등량적관건삼수,타적준학예측대제고작물수수예보정도구유십분중요적의의.유우삼고작물등발량여각기상인자정비선성관계,장GRNN신경망락인용우삼고작물등발량예측중,병이철령시위례,대비분석료GRNN모형여BP모형적예측결과.분석표명:GRNN모형불부훈련속도쾌,환구유비BP모형경고적예측정도、핍근성화은정성.