公开(公告)号：CN111210082A

公开(公告)日：2020-05-29

申请号：CN202010030817.9

申请日：2020-01-13

Applicant: 东南大学

Inventor： 上官明 ,  王剑超 ,  杨子贤 ,  高岩 ,  胡伍生

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于优化的BP神经网络算法的降水量预测方法，包括以下步骤：S1：基于ERA5数据在Bevis模型的基础上增加年周期项和水汽压的自然对数项，建立非线性方程格网大气加权平均温度(Tm)模型；S2：利用全球卫星导航定位系统(GNSS)数据的天顶总延迟、地面温度、地面气压等信息计算得到天顶湿延迟，以及S1步骤得到的Tm模型，得到GNSS大气可降水量(PWV)；S3：利用结合互信息分析以及粒子群算法优化的BP(Back-Propagation)神经网络算法建立降水量预测模型；S4：设计一体化降水量预测系统，得到降水量，并验证其精度。本发明有效提高了计算精度。

公开(公告)号：CN111210082B

公开(公告)日：2023-09-19

申请号：CN202010030817.9

申请日：2020-01-13

Applicant: 东南大学

Inventor： 上官明 ,  王剑超 ,  杨子贤 ,  高岩 ,  胡伍生

IPC: G06Q10/04 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明公开了一种基于优化的BP神经网络算法的降水量预测方法，包括以下步骤：S1：基于ERA5数据在Bevis模型的基础上增加年周期项和水汽压的自然对数项，建立非线性方程格网大气加权平均温度(Tm)模型；S2：利用全球卫星导航定位系统(GNSS)数据的天顶总延迟、地面温度、地面气压等信息计算得到天顶湿延迟，以及S1步骤得到的Tm模型，得到GNSS大气可降水量(PWV)；S3：利用结合互信息分析以及粒子群算法优化的BP(Back‑Propagation)神经网络算法建立降水量预测模型；S4：设计一体化降水量预测系统，得到降水量，并验证其精度。本发明有效提高了计算精度。