基于时间序列神经网络的气象预测研究.pdfVIP

交通科学 第 27 卷 　 第 2 期 武 汉 理 工 大 学 学 报( 与工程版) V o l. 27　N o. 2 2003 年 4 月 Jou rn a l o f W uh an U n iver sity o f T echno lo gy A p r. 2003 (T ran spo r tat ion Science Eng ineer ing) 基于时间序列神经网络的气象预测研究 张迎春　 肖冬荣　赵远东 (南京气象学院信息工程系　南京　2 10044) 摘要: 月平均气温是气象的主要特性参数, 也是影响气候变化的重要因素. 文中配合实例介绍了一 种基于时间序列的人工神经网络学习算法的流程, 给出了该算法的实验结果并对不同情况下的结 果作了比较, 同时就在实现该算法的过程中所出现的问题以及解决方案进行了阐述. 最后提出了 将 神经网络与时序分析方法相结合的设想. L M 关键词: 神经网络; 气温时序分析; 预测; 神经网络 L M 中图法分类号:N 39; P 49 　　气候系统是一个耗散的、具有多个不稳定源 连接. 在网络建模过程中, 输入及输出层节点数可 的高阶非线性系统, 其复杂的内部相互作用和 自 根据实际需要加以确定, 而隐层节点数的选取则 由变化导致了气候的可变性和复杂性; 而人工神 有一定难度, 需依据具体情况分析确定. 经网络是一个非线性的动态系统[ 1～ 5 ] , 通过对样 1. 2　网络的激活函数 本的学习建立起记忆, 然后将未知模式判决为其 激活函数是一个神经元及网络的核心, 网络 最接近的记忆. 两者的相似性决定了用神经网络 解决问题的能力与功效除了与网络的结构有关, 进行气象预测的可能性. 加之神经网络具有 自组 在很大程度上取决于所采用的激活函数. 在这里 织、自学习能力、非线性容错性、并行结构、并行处 采用 Sigm o id 函数, 其形式为 理信息等特点, 用其对时间序列预测, 允许数据中 f (u ) = 1[ 1 + exp (- u ) ] ( 1) 带有较强的噪声, 这是其它方法所不能比拟的. 1. 3　时间序列神经网络预测模型的建立 [ 8 ] 时间序列分析方法 就是从具有先后顺序的 1　时间序列神经网络模型 信息中提取有用信息, 它是数理统计的一个重要 分支. 其实质是通过对历史数据的处理, 寻找出前 采用B P 网络来进行气象预测研究主要是利 后数据之间的关系, 建立关联模型, 然后通过历史 [ 6 ] 数据和所建立的关联模型来预测时间序列的未来 用了B P 网络的非线性映射能力 , 文献[ 7 ] 从数 学上对B P 网络的映射能力进行过严格的证明.