作者：张鹏程; 张雷; 王继民降水量预报深度学习多元时间序列大数据
摘要：为了更好地反映区域降水的变化趋势,开展区域降水量预报显得尤为重要。在流域信息时代存在丰富大数据的情况下,提出一种基于DBN（Deep Belief Nets）深度网络降水量预报模型的新方案。该方案通过模拟大脑神经元的多层结构,并使用反向传播网络对整个网络进行微调。模型使用了与每日降水量息息相关的七种环境因素作为输入向量,未来24小时降水作为输出向量,通过在贵州遵义地区的实验证明了模型的有效性,并与现有方法进行了对比实验,结果表明模型具有更好的预测效果。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
