模块化模糊神经网络的气象预报建模的改进方法研究

《模块化模糊神经网络的气象预报建模的改进方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、广西师范大学硕士学位论文模块化模糊神经网络的气象预报建模的改进方法研究inatmosphericsciences,FCMalgorithmisusedtoclusterinhydrology,transportation,electricpowerload,economicandgeologicaldisasterandmanyotherpredictionappliedresearch.Resultsshowthat2-WFKCAcanremarkablyraisetheprecisionoftheMFNNprecipit

2、ationmodel,whichexpandsthescopeofthetechniquetomanysciences.TheresultfromtheabovestudyisthatitisveryimportantfortheMFNNmodeltochoosereasonablemeansofcluster,whichaffectstheaccuracyofprediction.Keywords：Precipitation,Two-phaseWeightedFuzzyKernel-clusteringAlgorithm,

3、ModularFuzzyNeuralNetwork,Blurringfactor,FuzzyKernel-clusteringAlgorithmV论文独创性声明本人郑重声明：所提交的学位论文是本人在导师的指导下进行的研究工作及取得的成果。除文中已经注明引用的内容外，本论文不含其他个人或其他机构已经发表或撰写过的研究成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本人承担本声明的法律责任。研究生签名：黄颖日期：2008-6-10论文使用授权声明本人完全了解广西师范大学有关保留、使用学位论文的规定。广西师范

4、大学、中国科学技术信息研究所、清华大学论文合作部，有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权广西师范大学学位办办理。研究生签名：黄颖日期：2008-6-10导师签名：金龙日期：2008-6-10广西师范大学硕士学位论文模块化模糊神经网络的气象预报建模的改进方法研究第一章绪论1.1引论广西地处亚热带季风区，西有高原，南面临海，

5、受低纬度热带天气系统和中高纬度天气系统交替影响，同一天气系统，往往造成不同量级的降水。每年广西大部分地区年平均降水量在1200mm-2000mm之间，其中汛期的降水占全年降水量的2/3以上，局部地区强降水天气频繁且强度大，极易造成暴雨洪涝灾害。随着社会经济的进步和发展，洪涝灾害造成的经济损失也越来越明显，对社会的危害也越来越大，这需要更细致、更准确、更及时的“定点、定量、定时”气象预报保障服务。然而，目前我国省和省级以下气象台站的天气预报和短期气候预测业务预报工作中，预报方法上主要是运用一些常规的统计学和天气学等预报技术，并

6、依据预报建模方法的出发点不同，主要分为模式输出统计(ModelOutputStatistics，MOS)方法和完全预报(PerfectPrognosisMethod，PP)方法，其本质上属于线性的顺序处理技术。但是降水量的变化受大气的水汽条件、上升运动和大气环境场的影响，具有明显的非线性、时变性特点，而且影响降水的因子众多，因子间相互作用关系复杂，预报难度大，MOS方法和PP方法在长期应用过程中逐渐显露其缺陷。因此，随着数值预报产品及其释用技术在国内外普遍开展，如何有效使用数值预报产品，提高降水预报的准确率，实现灾害天气的定

7、点、定量、定时预报已成为重要课题。通过选取与降水天气有物理意义的数值预报产品，将大量的数值预报产品所表达的信息融为一体，并且寻找与预报对象之间的某些非线性关系，建立新的客观预报模型，开展有地域特色的释用方法研究，是探索降水预报的重要新途径。1.2模块化模糊神经网络的产生和发展普通计算机的发展，在计算速度、存贮数据等方面的能力已远远超过了人脑，但是人脑的形象思维能力则是一般电脑所不能及的。从20世纪80年代开始，以模拟人类大脑结构和思维方式为基础的神经网络技术在全世界范围得到了迅速发展。神经网络的基础在于神经元，神经元是以生物

8、神经系统的神经细胞为基础的生物模型，把神经元数学化，就产生了神经元数学模型，将大量的形式相同的神经元连结在一起就组成了神经网络。虽然，每个神经元的结构和功能都不复杂，但是由大量神经元组合形成的神经网络的动态行为则是十分复杂的。因此，用神经网络可以表达实际物理世界的很多现象。人工神经网络(A