伴随时空特性的雷电预测BP-ANN模型研究

作者：李芬; 肖建; 林志强; 李志鹏

来源：计算机与现代化, 2019, (04): 76-81.

DOI：10.3969/j.issn.1006-2475.2019.04.014

• 雷电预测
• 增量学习
• 时空特性
• BP-ANN
• 二项分类器

为提高雷电预测模型的准确率和学习性能,提出一种基于增量学习和时空特性的雷电预测BP-ANN二项分类器。通过增量方式和依据数据的时空特征进行历史数据的学习,建立多种BP-ANN模型,分别对新的数据进行预测分类,然后采用多数投票方式确定新数据的类别。分别构建基于增量学习的BP-ANN模型、基于时空特性的BP-ANN模型以及结合基于增量学习和时空特性的BP-ANN模型这3种雷电预测模型,并在真实雷电数据集上进行预测准确度和学习性能的测试,结果表明了增量学习、时空特性以及二者结合的优劣。

• 单位
  南昌大学信息工程学院; 江西省气象信息中心