基于数据驱动的自适应粗糙神经模糊方法的天气建模
m . Sudha1＊
1印度泰米尔纳德邦VIT大学信息技术系
http://dx.doi.org/10.12944/CWE.12.2.27
近年来，混合数据驱动模型已成为各种水文预测场景的合适预测模式。特别是，气象学已经证明，需要一种更好的方法来智能地处理与天气有关的参数。为了解决这一具有挑战性的问题，本研究拟应用模糊理论和人工神经网络理论开发混合自适应粗糙-神经-模糊智能系统。随着人们对自适应智能系统的需求日益增长，吸收人工神经网络和人工智能系统的特征越来越受到研究人员的关注。该模型能够处理软规则边界和语言变量，从而提高预测精度。自适应粗糙神经模糊方法的预测准确率达到95.49%，优于现有的预测方法。
降雨量的预测;数据驱动的方法;模糊与神经网络
复制下面引用这篇文章:
m . Sudha。基于数据驱动的自适应粗糙神经模糊方法的天气建模。生态学报，2017;12(2)。DOI:http://dx.doi.org/10.12944/CWE.12.2.27
复制以下内容引用此URL:
m . Sudha。基于数据驱动的自适应粗糙神经模糊方法的天气建模。生态学报，2017;12(2)。可以从://www.a-i-l-s-a.com/?p=17348
(HTML全文］
