PSO-BP神经网络大气加权平均温度模型构建 |
| |
引用本文: | 曾印,谢劭峰,孟春阳,张继洪,廖发圣.PSO-BP神经网络大气加权平均温度模型构建[J].测绘科学,2023(5):113-119. |
| |
作者姓名: | 曾印 谢劭峰 孟春阳 张继洪 廖发圣 |
| |
作者单位: | 1. 桂林理工大学测绘地理信息学院;2. 广西空间信息与测绘重点实验室 |
| |
基金项目: | 国家自然科学基金项目(41864002);;广西自然科学基金项目(2023GXNSFAA026434); |
| |
摘 要: | 针对现有Tm模型建模方法多为基于最小二乘线性回归方法以致于模型精度有待提高的问题,该文以中国西北地区2015—2017年的24个探空站的探空数据作为实验数据,在中国西北地区使用粒子群优化BP神经网络(PSO-BP)回归方法建立大气加权平均温度(Tm)模型:将地表温度、水气压、纬度、高程和时间变化等影响因素作为模型输入因子,将数值积分法所计算得到的Tm作为学习目标,利用神经网络模型进行迭代训练得到中国西北地区的Tm。以2018年探空站Tm数据为参考值,对PSO-BP模型精度进行验证,并与Bevis模型、GPT3模型和中国西部地区Tm模型进行比较。结果表明,PSO-BP模型的年均RMSE和年均bias分别为2.71 K和0.35 K,相比Bevis模型、GPT3模型和中国西部地区Tm模型年均RMSE分别降低了1.36 K(33.4%)、1.81 K(39.5%)和1.78 K(39.1%),年均bias分别下降了0.70 K(87.7%)...
|
关 键 词: | 大气加权平均温度 BP神经网络 粒子群优化 西北地区 |
|
|