基于信息扩散近似推理的年降水量预测模型

[目的]研究信息扩散近似推理方法在年降水量预测中的应用,并对比其他方法分析其推广前景.[方法]通过分析年降水量时间序列的特性,提出了基于当前趋势以及相邻年份降水量的年降水预测规则.利用信息扩散近似推理描述年降水量间的复杂非线性关系,并以某灌区长系列降水资料为样本进行实例计算.[结果]信息扩散近似推理方法预测效果较好,该方法误差绝对值和为1.673,小于人工神经网络和线性自回归方法的统计结果.[结论]信息扩散近似推理可将样本点转换成模糊集,部分弥补了由于数据的不完备性所造成的信息空白,并可将矛盾模式转换成兼容模式.通过与传统预测方法相比较发现,该模型能够很好地光滑样本数据以及较好地发掘知识,有较高的预测精度和推广应用价值.