基于半监督宽度学习系统的气温空间插值

摘要：

近年来,基于人工神经网络的气象空间插值研究因其较强的非线性映射能力受到越来越多的关注.然而,由于网络参数众多,这些方法的训练过程都非常耗时.考虑到以上原因,基于宽度学习系统提出了一个高效的气温空间插值模型,首先使用稀疏编码对输入数据进行特征提取,然后将映射后的向量引入宽度学习系统中得到一个半监督宽度学习模型.相关实验建立在山西省的气象数据集上,实验结果表明,该方法比基于深度学习的方法和传统空间插值方法具有更好的预测性能和时间损耗.

关键词：气象空间插值、宽度学习系统、稀疏编码、神经网络、半监督学习、特征提取

所属期刊栏目：20

分类号：TP183(自动化基础理论)

资助基金：山西省自然科学基金201801D121141

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：630-636