[发明专利]一种基于TDNN的中国北方草原地区降雨量的预测方法

摘要

本发明公开了一种基于TDNN的中国北方草原地区降雨量的预测方法：确定TDNN预测模型的输入变量P(t‑1)、P(t‑2)、P(t‑3)和输出变量P(t)；获得TDNN预测模型的训练数据和测试数据；将训练数据导入TDNN预测模型中，对TDNN预测模型训练；将测试数据中输入变量导入已训练好的TDNN预测模型中，比较TDNN预测模型输出结果和降雨量实际观测值，计算MAE、RMSE；比较每次TDNN预测模型的训练精度MAE、RMSE大小，如果MAE、RMSE小于精度期望值，则完成TDNN预测模型训练；否则调整模型参数重新训练。本发明解决了以往降雨量预测模型中，因无法精确描述模型的输入之间存在的时间关系而导致预测精度不高的技术问题。

主权项

1.一种基于TDNN的中国北方草原地区降雨量的预测方法，其特征在于，包括以下步骤：步骤一，基于SPSS统计软件进行相关性分析，确定北方草原地区年度生长季月平均降雨量TDNN预测模型的输入变量P(t‑1)、P(t‑2)、P(t‑3)和输出变量P(t)，其中，P(t)、P(t‑1)、P(t‑2)、P(t‑3)分别是t、t‑1、t‑2、t‑3年度生长季降雨量月平均值；步骤二，通过数据训练、仿真，获得降雨量TDNN预测模型的训练数据和测试数据；步骤三，将训练数据导入降雨量TDNN预测模型中，对降雨量TDNN预测模型进行训练；步骤四，将测试数据中输入变量导入已经训练好的降雨量TDNN预测模型中，比较降雨量TDNN预测模型输出结果和降雨量实际观测值(测试数据中输出变量)，并计算测试误差MAE、RMSE；步骤五，比较每次降雨量TDNN预测模型的训练精度MAE、RMSE大小，如果MAE、RMSE小于精度期望值，则完成降雨量TDNN预测模型训练；如果MAE、RMSE大于精度期望值，则调整模型参数重新训练，直到MAE、RMSE小于精度期望值，结束训练，完成降雨量TDNN预测模型建模。