基于GOA优化的BP神经网络蒸发波导预报方法

本发明涉及一种基于GOA优化的BP神经网络蒸发波导预报方法，属于电波传播和深度学习领域。该方法包括构建GOA‑BP网络架构，引入GOA优化BP神经网络的初始参数，显著增强模型的全局搜索能力和收敛速度；其次利用WRF中尺度数值模式，获得区域环境海表面温度、大气温度、大气压力、相对湿度、风速等气象参数；然后，结合NPS模型预报蒸发波导高度，构建出包含丰富环境信息与蒸发波导高度预报值的数据集；最后经过训练得到GOA‑BP模型。该算法有效避免了局部最优问题，显著提升预报准确率，并且优化后的初始参数加速了模型的收敛速度，进一步提升了传统算法的计算精度和稳定性。