基于PCA和改进BP网络的降雨预报模型研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (12): 234-237.

基于PCA和改进BP网络的降雨预报模型研究

刘乐¹,王洪国^1,2,王宝伟³

1.山东师范大学管理与经济学院，济南 250014
2.山东省科学技术厅，济南 250011
3.山东师范大学信息科学与工程学院，济南 250014

收稿日期:2007-08-29 修回日期:2007-10-22 出版日期:2008-04-21 发布日期:2008-04-21
通讯作者: 刘乐

Research in rain forecasting model based on PCA and improved BP network

LIU Le¹,WANG Hong-guo^1,2,WANG Bao-wei³

1.School of Management and Economy， Shandong Normal University，Ji’nan 250014，China
2.Department of Science and Technology of Shandong Province，Ji’nan 250011，China
3.School of Information Science and Engineering， Shandong Normal University，Ji’nan 250014，China

Received:2007-08-29 Revised:2007-10-22 Online:2008-04-21 Published:2008-04-21
Contact: LIU Le

摘要/Abstract

摘要： 在主成分分析法和改进BP网络相结合的基础上，进行降雨预报模型的研究。先由主成分分析法降低原始气象数据的维数，然后利用改进BP网络有效地学习气象样本数据中蕴含的内在规律。研究结果显示，该降雨预报模型训练效率高，预报效果好。

关键词: 主成分分析, BP网络, 降雨预报

Abstract: On the base of combining Principal Component Analysis with improved BP network，this paper made a research on the rain forecasting model.First the dimensions of the raw meteorological data were decreased by PCA.Then it was by improved BP network to learn the potential rules which existd in meteorological samples effectively.The result of the research shows that，the rain forecasting model has high training efficiency and good forecasting effect.

Key words: Principal Component Analysis（PCA）, Back-Propagation network, rain forecasting

刘乐¹,王洪国^1,2,王宝伟³. 基于PCA和改进BP网络的降雨预报模型研究[J]. 计算机工程与应用, 2008, 44(12): 234-237.

LIU Le¹,WANG Hong-guo^1,2,WANG Bao-wei³. Research in rain forecasting model based on PCA and improved BP network[J]. Computer Engineering and Applications, 2008, 44(12): 234-237.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[3]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[4]	张东梅，买日旦·吾守尔，古兰拜尔·吐尔洪. 面向高维混合不平衡信贷数据的单类分类方法[J]. 计算机工程与应用, 2021, 57(10): 233-240.
[5]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[6]	邱宁佳，王晓霞，王鹏，周思丞，王艳春. 结合迁移学习模型的卷积神经网络算法研究[J]. 计算机工程与应用, 2020, 56(5): 43-48.
[7]	黄广俊，邓元龙. 融合改进LBP和SVM的偏光片外观缺陷检测与分类[J]. 计算机工程与应用, 2020, 56(22): 251-255.
[8]	邱宁佳，沈卓睿，王辉，王鹏. 通信垃圾文本识别的半监督学习优化算法[J]. 计算机工程与应用, 2020, 56(17): 121-128.
[9]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[10]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[11]	陈佳，刘冬雪，武大硕. 基于特征选取与LSTM模型的股指预测方法研究[J]. 计算机工程与应用, 2019, 55(6): 108-112.
[12]	徐竟泽，吴作宏，徐岩，曾建行. 融合PCA、LDA和SVM算法的人脸识别[J]. 计算机工程与应用, 2019, 55(18): 34-37.
[13]	牛亚茜，冀小平. 基于卷积神经网络的图像检索算法研究[J]. 计算机工程与应用, 2019, 55(18): 201-206.
[14]	马义超，赵运基，张新良. 基于PCA初始化卷积核的CNN手写数字识别算法[J]. 计算机工程与应用, 2019, 55(13): 134-139.
[15]	杨宝山1，2，3，胡业刚1，2，3，张冀聪1，2，3. 2DPCA在脑磁图棘波信号检测中的应用[J]. 计算机工程与应用, 2019, 55(1): 186-190.