基于改进PSO-RBF神经网络的气温预测模型

发布时间：2021-11-16 12:12

　　提高气象预测的准确率对于减少气象灾害的影响有很大作用。目前国内常用的数值预报产品包括ECMWF等都是寻求找到气象要素之间的非线性关系,以改善预报效果。但是数值预报产品也存在一些不足,如针对不同的天气系统数值预报偏差较大。随着人工神经网络研究技术的发展,学者在神经网络结合气象预报领域也展开了大量的研究。RBF神经网络在分类、泛化及逼近能力上具备极大的优势,适合于气象预测。但是RBF网络在实际运行和应用中仍存在一些不足和障碍。如何确认隐层节点数目、隐层中心、宽度和连接权值,是建立RBF神经网络遇到的问题。粒子群算法相对其他智能算法具有参数少、全局寻优能力强等特点,被不断应用到神经网络优化。但是粒子群算法还是存在容易陷入局部最优等缺点。本文围绕径向基（RBF）神经网络隐层中心、宽度和连接权不易确认的问题,和粒子群算法（PSO）容易陷入局部等问题,以建立有效的气温预测模型目标。本文主要研究对象是基于改进PSO优化RBF神经网络的气温预测模型,主要工作如下：（1）针对时间序列分析常用方法的不足,采用RBF神经网络进行时间序列预测。总结了创建时间序列的RBF神经网络预测模型的过程。深入分析了RBF... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

原始训练数据

最终预测结果输出数据需经过式（４－２）进行还原。??ｄａｔａ?＝些卸?〇ｒｍ?＋?ｌ＞（ｄ＾ｔａｍａｘ－ｄａｔａｍｉｎ）?＋?ｄａｔＳｍｉｎ?（４—２）??其中，ｄａｔａ＾ｒｍ是规范化的输出结果，ｄａｔａ是实际输出结果，其他参数意??义同公式（４－１）。??４丄２气温时间序列的ＲＢＦ神经网络预测模型??气象时间序列数据采用窗口数目为３的滑动窗口进行一步预测，得到Ｗ下映??射公式：??ｘ（ｔ＋３）＝ｆ?［ｘ（ｔ），?ｘ（ｔ＋ｌ），?ｘ（ｔ＋２）］?（４－３）??其中ｘ（ｔ）表示时刻ｔ的数据，映射公式表示基于ｆ法则用前Ｈ个时刻的数??据对应得到第四个数据。??确定ＲＢＦ神经网络结构，包括输入层的节点数，隐含层节点数目、输出层??节点数目。根据实际问题输入输出关系，确定输入层的节点数，输出层节点数目。??气象时间序列采用大小为３的滑动窗口进行一步预测，则输入节点是３，输出节??点是１。根据文献ｔ＾ＬｉｐｐｍａｎｒｉＲＰ公式应用效果、适应性及稳定性均较好，公式??

．Ｗ下分别是基本ＰＳＯ、权重线性递减ＰＳＯ、随机惯性权重ＰＳＯ、自ＰＳＯ和变异带收缩因子ＰＳＯ算法变异前后、ＬＪ?２０１０年－２０１３年的温度练数据集得到的适应度曲线对比示意图。可ＬＪ看出，变异后的算法收值高于变异前，因此本文提出变异算法提高了原有算法的优化能力。??０．９６?，????－－■■■—Ｈ??

【参考文献】：
期刊论文
[1]隐层节点数经验公式在水库调度规则提取中的应用效果评价[J]. 刘宇,钟平安,张梦然,孔艳,徐斌.  水电能源科学. 2012(11)
[2]质心粒子群优化算法[J]. 汪永生,李均利.  计算机工程与应用. 2011(03)
[3]基于RBF神经网络马尔可夫模型的降水量预测[J]. 闭祖良,张展羽,朱新国,刘莉.  节水灌溉. 2010(11)
[4]时间序列的非线性趋势预测及应用综述[J]. 王婷婷,钱晓东.  计算机工程与设计. 2010(07)
[5]GRAPES模式对西南季风爆发的数值模拟及初值影响试验[J]. 周慧,朱国强,陈江民,彭敦,戴泽军.  热带气象学报. 2010(01)
[6]全局最优位置变异粒子群优化算法[J]. 王海峰,刘晶晶.  青岛理工大学学报. 2009(05)
[7]基于全场信息的数值预报产品释用方法研究[J]. 杨成荫,王汉杰,周林,赵苏璇.  应用气象学报. 2009(02)
[8]人工神经网络方法在短期天气预报中的应用[J]. 苗春生,段婧,徐春芳.  江南大学学报(自然科学版). 2007(06)
[9]多重分支时间延迟神经网络的混沌预测研究[J]. 席剑辉,韩敏.  信息与控制. 2007(02)
[10]基于BP神经网络模型的广西月降水量降尺度预报[J]. 何慧,金龙,覃志年,袁丽军.  热带气象学报. 2007(01)

硕士论文
[1]时间序列数据挖掘研究[D]. 任芳.辽宁师范大学 2010
[2]RBF网络在时间序列预测中的应用研究[D]. 陈玉红.哈尔滨工程大学 2009
[3]基于RBF神经网络并行学习模型的数据分类及预测研究[D]. 胡浩民.上海师范大学 2003



本文编号：3498864