资源描述：
《基于时间序列神经网络的气象预测研究》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、交通科学武汉理工大学学报()第27卷第2期与工程版Vol.27No.22003年4月JournalofWuhanUniversityofTechnologyApr.2003(TransportationScience&Engineering)基于时间序列神经网X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京210044)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
2、以及解决方案进行了阐述.最后提出了将L2M神经网络与时序分析方法相结合的设想.关键词:神经网络;气温时序分析;预测;L2M神经网络中图法分类号:N39;P49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.[1～5]经网络是一个非线性的动态系统,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
3、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Sigmoid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)=1ö[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
4、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,然后通过历史用了BP网络的非线性映射能力[6],文献[7]从数数据和所建立的关联模型来预测时间序列的未来学上对BP网络的映射能力进行过严格的证明.值,从而把握事物的未来发展.时间序列分析有多种模型,常用的有三种,即ARMA(m,n)模型,Funahashi指出:在三层网络中,只要对隐层采用非线性递增映射函数,输出层采用线性映射函数AR(m)模型和MA(n)模型,后两种模型是前一就可以用三层网络对任意连续函数进行逼近.文种模型的特例.中利用这一网络,将一已知的时间序列作为网络设时间序列为[X
5、t],其中Xt=X(t),t=0,的输入,同时也作为网络的期望输出值,训练网络1,2,⋯.时间序列的现在或未来值在时间序列分权重,以达到预报的要求.析中被认为与其前面的m个值之间有某种函数1.1网络的拓扑结构关系,即Xn+k=F(Xn,Xn-1,⋯,Xn-m+1).时间序列神经网络预测方法就是用神经网络来拟合函数BP网络由输入层、隐层、输出层组成,隐层中的每一个节点分别与输入层和输出层的每个节点F,从而找出Xn+k与Xn,Xn-1,⋯,Xn-m+1之间的X收稿日期:20030106张迎春:女,24岁,硕士生,主要研究领域为神经网络理论及应用、CIMS网
6、络系统集成©1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http://www.cnki.net·238·武汉理工大学学报(交通科学与工程版)2003年第27卷映射关系,然后用于该时间序列的未来值的预测.明该模型在气象预测中的应用.数据按顺序构成图1为用于时间序列预测的BP神经元网一组时间序列,利用时间序列分析对此时序进行络,其中Xn,Xn-1,⋯,Xn-m+1是输入,Xn+k是输出检验识别,可知此时序服从5阶自回归模型AR(即预测值).用BP神经元网络
7、可进行三种类型(5).即At=U1At-1+U2At-2+U3At-3+U4At-4+U5At-5+At(4)式中:At为第t月的平均气温.At-1,At-2,At-3,At-4,At-5分别为第t-1月,第t-2月,第t-3月,t-4月和t-5月的值.同理有At+1=U1At+U2At-1+U3At-2+图1神经元网络时间序列预测模型U4At-3+U5At-4+At(5)的预测:一步预测、迭代一步预测和直接多步预式中:At+1为第t+1月的平均气温.测.一步预测一般只能对一个未来值进行预测,而由上两式有迭代一步预测和直接多步预测则可以对多个未来At+
8、1=U1(U1At-1+U2At-2+U3At-3+进行预测,一般而言迭代一步预测所需的样本较
