典型文献
基于BP神经网络的海表温度预测
文献摘要：
海洋表面温度(SST)是全球气候重要的地理参量之一,掌握未来海表温度变化趋势有助于全球气候变化研究的开展.因此,本文提出一种基于海表温度历史数据的反向传播BP(Back Propagation)预测模型,对南海部分海域海表面温度进行了分析,研究结果表明:训练后模型的平均绝对百分比误差MAPE为0.0183,平均误差为0.0573,误差回归直线的相关系数R达0.9767,预测值与真实的海表温度误差较小.由此可见,BP神经网络能有效地预测海表温度的总体变化趋势,为海表温度预测提供一种可行且有效方法.
文献关键词：
海表温度SST;全球气候变化;BP神经网络
中图分类号：
作者姓名：
曾祥海;陈祥毅;陈文轩;邓颖欣;王观承
作者机构：
广东海洋大学科技楼,广东湛江,524088
文献出处：
引用格式：
[1]曾祥海;陈祥毅;陈文轩;邓颖欣;王观承-.基于BP神经网络的海表温度预测)[J].电子制作,2022(16):82-85
A类：
B类：
海表温度,温度预测,海洋表面温度,SST,参量,全球气候变化,变化研究,历史数据,反向传播,Back,Propagation,南海,海部,海域,海表面温度,平均绝对百分比误差,MAPE,平均误差,测海
AB值：
0.369817
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。
