摘要：采集大连某机场2004-2007年大雾、轻雾和无雾天气事件共186例，选取雾天气事件前期（前一日08：00，14：00，20：00（北京时）实测资料）的温、压、湿、风等要素指标为预报因子，基于学习向量量化神经网络（1earning vector quantization，LVQ），采用逐级预报思想建立起某机场雾天气事件的预报模型。在网络训练过程中，动态调整网络神经元比例参数，提高模型的预报能力；采用根据检验准确率适时终止训练的“先停止”技术，有效提高了模型的泛化能力。预报试验表明：无论是拟合率还是独立预报准确率，模型均已达到较高水准，具有实际应用意义。

原文链接:http://www.cqvip.com/Main/Detail.aspx?id=32865422

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）