典型文献
基于PCA建立蜡梅花初花期预测模型
文献摘要：
以重庆市北碚区静观素心蜡梅早熟品种的初花期为研究对象,统计分析2007-2021年初花期变化特征,并基于主成分分析法(PCA),通过BP神经网络算法及逐步回归算法,构建了2007-2021年初花期预测模型,对2种预测模型的预报效果进行对比检验,筛选最优预测模型.结果表明:基于BP神经网络算法的预测模型在训练中的预报拟合率高达99％,与实测值的相关性超过了0.9,拟合度较高,在回代检验中拟合率低于训练时;基于逐步回归算法的预测模型在训练中与实测值误差大于基于BP神经网络算法,平均误差为1.7 d,在回代检验中效果明显优于基于BP神经网络算法,且线性相关性也较稳定;同时在回代模型中基于逐步回归算法的预测模型的独立样本值、标准差和平均绝对误差也同样优于基于BP神经网络算法的预测模型.总体来说,基于逐步回归算法的预测模型更优于基于BP神经网络算法的预测模型.
文献关键词：
气象因子;主成分分析法;BP神经网络;逐步回归;预测模型
中图分类号：
作者姓名：
吉莉;刘晓冉;武强;李强
作者机构：
重庆市北碚区气象局,重庆 400700;重庆市气象科学研究所,重庆 401147
文献出处：
引用格式：
[1]吉莉;刘晓冉;武强;李强-.基于PCA建立蜡梅花初花期预测模型)[J].西南师范大学学报（自然科学版）,2022(10):59-66
A类：
B类：
蜡梅,梅花,花期预测,市北,北碚区,静观,素心,早熟品种,神经网络算法,逐步回归,回归算法,预报效果,实测值,拟合度,平均误差,线性相关性,平均绝对误差,气象因子
AB值：
0.232486
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
