Earticle

현재 위치 Home

Hybrid Neural Network Model Application in Annual Precipitation Forecast

첫 페이지 보기
  • 발행기관
    보안공학연구지원센터(IJUNESST) 바로가기
  • 간행물
    International Journal of u- and e- Service, Science and Technology 바로가기
  • 통권
    Vol.5 No.4 (2012.12)바로가기
  • 페이지
    pp.21-30
  • 저자
    Li Ma, Xuelian Li, Jin Wang
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A208755

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
When applied to precipitation forecasting, the mean generating function - optimal subset regression (MGF-OSR) model is limited by its low accuracy and high error, while the back propagation (BP) neural network model has difficulty in learning for matrix selection. This paper proposes a new MGF-OSR-BP model, which uses a MGF to extend original data, an OSR to select the best series as the BP neural network input node and learning matrix, and the resultant data for training. The training procedure determines the number of hidden layers and uses an optimal number of hidden layers for model training. This paper uses the MGF-OSR-BP model to analyze precipitation data from Hangzhou, China, for 53 years, from 1956 to 2008. The 1956-2006 precipitation data are used as the training sample, and the 2007-2008 data are used as the test set data to verify the practicality of the forecast system. A fitting verification is performed using the forecasted data against field measurement data, and the results show that the forecast accuracy is better than that of the MGF-OSR model or the MGF stepwise multiple regression model.

목차

Abstract
 1. Introduction
 2. Data and Methods
  2.1 Data Selection
  2.2 MGF Extension
  2.3 MGF Stepwise Multiple Regression Equation
  2.4 Establishment of an OSR Forecast Equation
  2.5 BP Neural Network
 3. Fitting and Forecast Result Analysis
 4. Conclusions
 References

키워드

precipitation forecast neural network (NN) mean generating function (MGF) optimal subset regression (OSR)

저자

  • Li Ma [ Jiangsu Engineering Center of Network Monitoring, Nanjing University of Information Science & Technology, School of Computer & Software, Nanjing University of Information Science & Technology, Key Laboratory of Meteorological Disaster of Ministry of Education, Nanjing University of Information Science & Technology ]
  • Xuelian Li [ Jiangsu Engineering Center of Network Monitoring, Nanjing University of Information Science & Technology, School of Computer & Software, Nanjing University of Information Science & Technology ]
  • Jin Wang [ Jiangsu Engineering Center of Network Monitoring, Nanjing University of Information Science & Technology, School of Computer & Software, Nanjing University of Information Science & Technology ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    보안공학연구지원센터(IJUNESST) [Science & Engineering Research Support Center, Republic of Korea(IJUNESST)]
  • 설립연도
    2006
  • 분야
    공학>컴퓨터학
  • 소개
    1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업

간행물

  • 간행물명
    International Journal of u- and e- Service, Science and Technology
  • 간기
    격월간
  • pISSN
    2005-4246
  • 수록기간
    2008~2016
  • 십진분류
    KDC 505 DDC 605

이 권호 내 다른 논문 / International Journal of u- and e- Service, Science and Technology Vol.5 No.4

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.