灾害学
災害學
재해학
JOURNAL OF CATASTROPHOLOGY
2013年
4期
11-15,21
,共6页
防台减灾%台风灾情%粒子群算法%BP神经网络%浙江
防檯減災%檯風災情%粒子群算法%BP神經網絡%浙江
방태감재%태풍재정%입자군산법%BP신경망락%절강
typhoon preventing and reducing disaster%typhoon condition%particle swarm optimization algorithm%BP neural network%Zhejiang
在对浙江省台风灾情实际情况研究的基础上,选择台风路径预报平均误差、预警能力指数等16个因子作为输入量,用粒子群算法(PSO)对BP神经网络的参数进行优化,以避免陷入局部极小和初始参数的抉择问题,提高模型的精度和收敛速度,从而建立了PSO-BP模型,并将模型应用于浙江台风灾情的预测.最后,对PSO-BP网络模型与普通BP模型的台风灾情预测训练效果进行对比,使用三个台风数据测试已训练好的网络,模型的预测结果显示,PSO-BP算法相较于BP算法有更高的精度,能较好的反应历年台风灾情的基本趋势.
在對浙江省檯風災情實際情況研究的基礎上,選擇檯風路徑預報平均誤差、預警能力指數等16箇因子作為輸入量,用粒子群算法(PSO)對BP神經網絡的參數進行優化,以避免陷入跼部極小和初始參數的抉擇問題,提高模型的精度和收斂速度,從而建立瞭PSO-BP模型,併將模型應用于浙江檯風災情的預測.最後,對PSO-BP網絡模型與普通BP模型的檯風災情預測訓練效果進行對比,使用三箇檯風數據測試已訓練好的網絡,模型的預測結果顯示,PSO-BP算法相較于BP算法有更高的精度,能較好的反應歷年檯風災情的基本趨勢.
재대절강성태풍재정실제정황연구적기출상,선택태풍로경예보평균오차、예경능력지수등16개인자작위수입량,용입자군산법(PSO)대BP신경망락적삼수진행우화,이피면함입국부겁소화초시삼수적결택문제,제고모형적정도화수렴속도,종이건립료PSO-BP모형,병장모형응용우절강태풍재정적예측.최후,대PSO-BP망락모형여보통BP모형적태풍재정예측훈련효과진행대비,사용삼개태풍수거측시이훈련호적망락,모형적예측결과현시,PSO-BP산법상교우BP산법유경고적정도,능교호적반응력년태풍재정적기본추세.
