基于BP神经网络的海表温度预测
Practical Electronics(2022)
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.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要