人工神经网络技术发展及在大气科学领域的应用（精品）

《人工神经网络技术发展及在大气科学领域的应用（精品）》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第"$卷第)期气象科技T65>"$，R6>)$##&年($月1NON?D?K?PQ3JKM3QNR3NJR=ON3@R?K?PS=/2>，$##&人工神经网络技术发展及在大气科学领域的应用金龙（广西气象减灾研究所，南宁!"##$$）摘要$#世纪*#年代以来，人工神经网络技术在理论和应用研究方面有了快速的发展，并在众多学科领域取得了大量的应用研究成果。文章首先概述了国外有关人工神经网络理论研究发展的主要过程及我国开展神经网络理论和应用研究的状况。重点介绍了国内外大气学科中，关于神经网络方法在中、短期天气预报，短期气候预测，农业气象，空气污染预报，卫星云图识

2、别以及气象观测资料处理等许多方面的应用研究工作。并且也进一步介绍了有关神经网络气象预报建模研究的关键技术+过拟合，网络结构问题的研究工作以及模糊系统理论与神经网络相结合的模糊神经网络，遗传算法与神经网络相结合的气象预报建模的最近研究工作。关键词人工神经网络大气科学应用研究神经元模型。这一模型的提出，为人们开展人工神引言经网络的研究提供了重要的基础。人工神经网络早人工神经网络方法在处理实际应用问题时主要期研究的另一项重要工作是(%&%年心理学家=>包括两个过程，即学习训练过程和记忆联想过程。?>@/AA提出的@/AA学习规则，该学习规则主要是到目前为止，虽

3、然人工神经网络方法的研究只是对表征了两个神经元处于同一状态时，神经元轴突的人类大脑结构的低级近似模仿，但是它已经在对外连接强度将得到加强。相反，当两个神经元处于不来信息的自适应学习，数据的并行处理以及信息的同状态时，神经元轴突的连接强度会减弱。这种神分布存贮等方面与人脑有相似之处。并且人工神经经元连接强度变化规律的提出是人工神经网络学习网络技术已在信号处理、图像、语音识别和记忆、预算法的开创性工作，对人工神经网络研究发展具有测及优化等众多学科领域的应用研究中显示了很好重要意义。!#年代后期，计算机专家B.-0CD6;/0<的应用前景和良好性能，为人们研究

4、和处理大量的A5-88首次提出了一种智能人工神经网络系统即感各类科学问题提供了新的有效手段和方法。同时，知器（9/.2/E8.60）模型。这种感知器虽然比较简单，人工神经网络的理论方法也在大气科学的很多领域但是它已初步具备了学习能力、并行处理和连续计得到了广泛的应用。算等一些神经网络的基本功能。并且这种单级感知器也已被用来作为信息处理等实际问题的求解。后!人工神经网络技术的主要发展背景来F/..-.G,:G./H和1-.2:-0@-II又进一步开发研目前，较为公认的人工神经网络的开拓性研究制了自适应性单元（JG-5:0/）模型。但是随着人工工作始于$#世

5、纪&#年代初，由美国神经心理学家神经网络模型研究和应用的不断深入，1>K>1:0<,-../0123455627和数学家,-58/.9:88;合作提出;CL和M>9-E/.8通过对感知器这样一类简单网络的阈值加权和二值神经元模型即著名的1<9模型，系统的系统研究发现，感知器的研究虽然对神经元该模型是从信息处理的角度，总结了生物神经元的网络的研究有重要的推动作用，但是它在解决一些一些基本生理特征，采用数学方法建立的一种人工问题时还存在一定的局限性。这种比较简单的网络广西科学基金项目（桂：科自#""%#$!）及国家自然科学基金项目（&##’!#$(）资助作者

6、简介：金龙，男，(%!$年生，正研级高工，主要从事神经网络、遗传算法、模糊神经网络等气象预报技术研究收稿日期：$##&年)月)日；定稿日期：$##&年’月(!日SJ#气象科技第S5卷系统对于一些比较简单的线性可分问题有较好的处行分布式信息处理的方法，发表了《并行分布处理》理能力，但是无法解决比较复杂的非线性分类问题。（’P’E’D)DAA(AP12,)1:H,1-.’)-*(21.;）专著。并进一并且在!"#"年，由$%&出版社出版发表了他们对步通过对神经网络的结构、神经网络节点函数和学感知器研究全面认识的总结性专著’()*(+,)-.。当习算法的系统研

7、究，提出了著名的多层网络的误差时虽然已经认识到如果要使网络系统能解决非线性逆传播学习算法即C’算法。该算法迄今为止仍然分类问题和比较复杂的高阶问题，神经网络系统的是一种应用最为广泛的神经网络学习算法。该算法结构必需增加隐层，构造出多层网络结构系统，但是的主要设计思想是，将输入信号通过隐层和输出层由于当时认为要想设计提出一种有效的适用于多层节点的处理计算得到的网络实际输出进一步与期望神经元系统的学习算法有相当的难度，由于这些问输出相比较，并计算实际输出与期望输出的误差，将题一时难以获得有效进展，随后一段时期神经网络误差作为修改权值的依据反向传播至输入层，再

8、修的应用和理论研究进入了发展缓慢的低潮期。正各层的权系数，并且反复这一过程，直到