基于遗传算法优化小波神经网络预测GPS可降水量

熊红伟，郑进

(1.中冶智诚(武汉)工程技术有限公司，湖北 武汉 430080； 2.湖北省国土测绘院，湖北 武汉 430010)

1 引 言

水汽是地球大气中的重要组成部分，GPS测站天顶方向上大气中水汽全部凝结成水降落所产生的降雨量又被称为可降水量(PWV)。地基GPS遥感大气可降水量，有着探测精度高、全天候和高时空分辨率，能够有效地弥补常规气象探测水汽的不足。在获取GPS可降水量的基础上对不同气候和不同地区的数据进行分析，可以作为气象预报的有力补充。因此可降水量的短期预测，对天气预报有着重要的意义。

天气系统是一个随时间和空间剧烈变化的非线性系统，数学和物理方法难以描述，要准确地预测GPS可降水量有一定的难度。由于神经网络对非线性函数有着很好的逼近能力，自Robret利用人工神经网络预测降雨量以来[1]，国内外研究主要集中在预测的模型[2～12]和GPS数据处理的精度[13～15]。由于大气可降水量受到时空环境影响以及现有预测模型自身的局限性，无法高精度实时地对其进行预测。本文正是针对可降水量的这一特点以及现有模型的局限性，利用小波神经网络对非线性函数超强的逼近能力和遗传算法较强的全局搜索能力，建立遗传小波神经网络预测GPS可降水量。

2 可降水量预测模型

2.1 预测模型

预测就是利用数学理论和方法，通过历史数据建立数学模型，利用近期数据作为测试数据并推理验证，用于解决未来趋势问题。假定未来的观测值和过去的观测值之间存在一定的函数关系[6]，即