文献

J-GLOBAL ID：201902226501848829   整理番号：19A1735996

ウェーブレット分解とGA-LSSVMに基づくGPS可降水量の短期予報【JST・京大機械翻訳】

Short-Impending Prediction of GPS Precipitable Water Vapor Based on Wavelet Decomposition and GA-LSSVM

著者 (4件)： Xie Shaofeng (桂林理工大学測絵地理信息学院,桂林市雁山街319号,541006;广西空間信息与測絵重点実験室,桂林市雁山街319号,541006) ,  Su Yongning (桂林理工大学測絵地理信息学院,桂林市雁山街319号,541006) ,  Liu Chunli (桂林理工大学測絵地理信息学院,桂林市雁山街319号,541006) ,  Liu Lilong (桂林理工大学測絵地理信息学院,桂林市雁山街319号,541006;广西空間信息与測絵重点実験室,桂林市雁山街319号,541006)
資料名： Dadiceliang Yu Diqiudonglixue  (Dadiceliang Yu Diqiudonglixue)
巻： 39  号： 5  ページ： 487-491  発行年： 2019年 
JST資料番号： C2664A  ISSN： 1671-5942  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： GPS可降水量時系列に対して非線形、非定常性の特徴を有するため、ウェーブレット分解(WD)、遺伝的アルゴリズム(GA)と最小二乗サポートベクトルマシン(LSSVM)に基づくGPS可降水量の短期予報方法を研究した。最初に,ウェーブレット分解を用いてGPS可降水量時系列を予測できる低周波成分と高周波成分に分解し,次に遺伝的アルゴリズムを用いてLSSVMパラメータを最適化し,さらに各成分に対して予測モデルを構築し,各成分予報結果を重ねて再構築して最終予報結果を得た。実験データを2つのデータセットで選択し,予測結果をLSSVMとGA-WNN予測結果と比較した。結果は,この組合せモデルが良好な一般化能力を持ち,ニューラルネットワークが局所極小に陥る問題を効果的に解決し,グローバル予測の精度を改善することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *予測 ,  LF【周波数】 ,  パラメータ ,  再構成 ,  遺伝的アルゴリズム ,  ニューラルネットワーク ,  最適化 ,  モデル ,  予測モデル
準シソーラス用語： 高周波成分 ,  最小二乗-サポートベクトルマシン ,  非定常性 ,  *短期予報 ,  *GPS可降水量 ,  *ウェーブレット分解 , 【Automatic Indexing@JST】

分類 (1件)： 天気予報  (DC05020O)

タイトルに関連する用語 (3件)： ウェーブレット分解 ,  GPS可降水量 ,  短期予報