利用纯线性神经网络预测热带气旋

要评估简单线性模型在预测热带气旋路径（TCT）（纯净的热带气旋路径）中的性能，线性神经网络（PLNN）用于预测南海（TCS）的TCT。采用均方误差和最速下降算法推导的经典Widrow-Hoff学习规则来更新净权重。为网络权重初始化介于0到1之间的均匀分布随机实数值。实验数据集是从1960年和2003年进入SCS的TCT采样的，总共有750个实例。结果表明，经度和纬度的平均绝对误差分别为0.942和0.585，约为122 km。使用相同数据集进行逐步回归的结果为1.008和0.560，约为127公里。因此，简单PLNN的性能接近经典的逐步回归。该误差小于使用更复杂的预测模型得出的许多报告结果。