排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
通过引入混沌和相空间重构理论,将一维时间序列重构为多维序列,并与径向基函数神经网络模型相结合,建立了基于条件植被温度指数(VTCI)的干旱预测模型,并对其进行了验证.结果表明:干旱预测结果与实际干旱监测结果中的VTCI最大值、最小值、平均值及标准差十分接近,所有样本点的预测值的相对误差的绝对值均低于9%.经过a=0.0... 相似文献
3.
条件植被温度指数(VTCI)是一种适合关中平原的近实时定量化的干旱监测方法,在前期基于以旬为单位的VTCI样本点上相空间重构与RBF神经网络干旱预测研究的基础上,进一步进行了VTCI遥感面上的干旱预测研究。通过分析样本点VTCI时间序列的延迟时间和重构维数,确定整个面上VTCI时间序列相空间维数为7,从而对面上VTCI数据进行了相空间重构。对重构后的VTCI数据应用RBF神经网络模型预测得到了2009年4月上旬到5月中旬的VTCI预测结果。结果表明,多旬预测结果都较好地反映了监测结果的特征,各旬预测结果的绝对误差频数分布主要集中在-0.2到0.2之间。应用Kappa系数评价预测结果与监测结果的一致性程度:5月中旬为显著,4月上旬和中旬为中度,4月下旬和5月上
旬的一致性为弱,但阳性一致率较高。该模型的面上预测精度较好,适合关中平原的干旱预测研究。 相似文献
1