13、基于物联网和机器学习的实时降雨预测及图像字幕生成技术

基于物联网和机器学习的实时降雨预测及图像字幕生成技术

实时降雨预测系统

在降雨预测领域，不同的研究采用了多种方法来提高预测的准确性。

1. 相关研究方法

   • S. Narejo 等人的研究 ：为找到最佳的预测网络模型，构建并训练了各种依赖时间序列的递归 NARX - ANN 模型，通过训练、验证和测试数据集的均方误差（MSE）来评估网络性能。
   • Sankhadeep Chatterjee 等人的研究 ：采用两步法，使用贪心前向选择技术减少特征集并找出最有前景的降雨预测特征。训练阶段先使用 K - means 算法对数据进行聚类，然后为每个聚类训练一个独特的神经网络。
   • Sunil Navadia 等人的项目 ：利用 Hadoop 的预测分析，以大量降雨数据为输入，有效预测未来降雨的最小、最大和平均降雨量。
   • Sam Cramer 等人的研究 ：提出一种基于遗传编程（GP）的降雨预测新方法，在 21 个欧洲城市的数据集上，GP 的表现总体上远优于 MCRP。
   • Pratap Ganachari 等人的研究 ：提出基于传统神经网络（CNN）的印度数据集降雨预测模型，输入数据包含多个气象参数，使用均方误差（MSE）、准确率和相关性来验证模型，结果表明该模型优于现有技术。