使用数据驱动自适应粗糙神经模糊方法的天气模型
M. Sudha.1*
1信息技术，韦尔纳德印度韦尔大学。
http://dx.doi.org/10.12944/cwe.12.2.27
最近，混合数据驱动的模型已成为各种水文预测情景中的适当预测模式。特别是，气象已经目睹了需要一种更好的方法来智能地处理与天气相关的参数。为了处理这一具有挑战性的问题，本研究打算应用模糊和安康理论，用于开发杂交的适应性粗糙神经模糊智能系统。。通过越来越多的自适应智能系统来解决现实世界要求，吸引了ANN和FIS的特征引起了研究人员的上升。所提出的模型能够处理软规则边界和语言变量以提高预测精度。自适应粗糙神经模糊方法达到增强的预测精度为95.49％，并且表现优于现有技术。
降雨预测;数据驱动方法;模糊和神经网络
复制以下内容以引用本文：
M. Sudha。使用数据驱动自适应粗糙 - 神经模糊方法的天气模型。2017年Curr World Environ; 12（2）。DOI：http://dx.doi.org/10.12944/cwe.12.2.27
复制以下内容以引用此URL：
M. Sudha。使用数据驱动自适应粗糙 - 神经模糊方法的天气模型。2017年Curr World Environ; 12（2）。可从：//www.a-i-l-s-a.com/?p=17348.
[HTML全文]
这项工作是在授权下获得的Creative Commons attage 4.0国际许可证。
