基于叠加马尔科夫链和BP神经网络模型的降水量预测研究

摘要

选用叠加马尔科夫链和BP神经网络模型,利用1951年-2013年的降水资料对长春市降水量进行预测。叠加马尔科夫链方法具有原理简单易懂,计算方法简便的优点。BP神经网络模型具有计算快速,占用内存小,还有很好的容错性。根据计算,BP神经网络预测误差均小于20%,叠加马尔科夫链方法仅有6个年份误差小于20%。通过对比分析预测结果可知:对于本研究区BP神经网络模型的预测精度较高。预测方法对数据的稳定性有要求,数据的波动越强,预测结果精度越低。对比可知,叠加马尔科夫链对数据的平稳性要求更高,BP神经网络模型的适用性更强。