基于IFCM-T-S的雷电活动预测研究

作者：崔月生; 胡曦

来源：国外电子测量技术, 2019, 38(07): 12-16.

DOI：10.19652/j.cnki.femt.1901516

• 模糊C均值聚类
• 减法聚类
• 模糊神经网络
• 雷电预测

雷电活动与人们的日常生活和财产安全息息相关,所以准确的雷电预测能够有效地防灾减害,为人民的生命及财产提供有力的保障,为此,提出了基于改进模糊C均值聚类和T-S模糊神经网络模型(IFCM-T-S)的雷电活动预测研究。对传统的模糊聚类方法(FCM)进行了分析,采用减法聚类算法优化获得FCM算法的初始聚类中心,称作改进的模糊C均值聚类算法(IFCM)。采用IFCM算法对T-S模糊神经网络进行了改进,称作IFCM-T-S模型。在雷电活动数据的基础上,采用IFCM-T-S建立年雷电活动预测模型。仿真对比实验显示,IFCM-T-S算法比传统的BP神经网络和模糊神经网络的平均绝对误差(MAPE)低了1%的误差,而且IFCM-T-S的收敛速度最快,预测的准确度最高,验证了所提方法在雷电预测上的准确性和快速性。