逐步回归时间序列和RBF-ANN在降水预测中的应用 (2012年)

将逐步回归融入到时间序列预测模型的建立中，摒弃了传统的“考虑所有变量”模式，利用“有进有出”的形式，分清各因子主次关系，仅选用影响显著的变量建立预测方程。径向基函数人工神经网络(RBF-ANN)属于局部逼近网络，准确度高。以桦甸市五道沟站的月降水量和月蒸发量为例，分别用传统、逐步回归时间序列分析和RBF-ANN建立降水预测模型，并对比其精度。结果表明：传统、逐步回归时间序列及RBF-ANN模型的后验差比值分别为0.315、0.272、0.284，平均绝对误差分别为18.37、15.65、13.82 mm，