基于人工神經網絡模型的降水量預測研究.pdf

1、神經網絡特有的非線性適應性信息處理能力，克服了傳統(tǒng)人工智能方法對于直覺的缺陷，使之在包括預測領域的許多領域得到成功應用。近年來，神經網絡在模擬人類認知的道路上更加深入發(fā)展，形成計算智能，成為人工智能的一個重要方向。 應用Matlab語言典型神經網絡的激活傳遞函數(shù)，網絡的設計者可以根據(jù)需要調用工具箱中有關神經網絡的設計訓練程序，使用它能夠快速實現(xiàn)對實際問題的建模求解。由于其編程簡單，使自己能夠從煩瑣的編程中解脫出來，而投入到對現(xiàn)實

2、問題的研究中去。 在長期降水預測中，多采用均生函數(shù)、統(tǒng)計分析、插值擬合等方法，強調歷史氣候數(shù)據(jù)和未來降水的非線性關系，預測比較復雜。這些方法在不同氣候預測中體現(xiàn)出各自的優(yōu)勢，但同時也因其均給出了具體的函數(shù)關系，這就意味著將降水變化規(guī)律化、公式化；然而，區(qū)域降水的演變趨勢往往是復雜的、動態(tài)的，因此該類方法限制了預測的準確性。區(qū)域降水變化的驅動因素非常復雜，目前還難以找到合適的表征降水變化的氣候因子或其組合，其相關研究仍在進一步探索

3、之中。而人工神經網絡的預測方法建立在對輸入和輸出變量的非線性映射之上，它只和訓練樣本和目標有關。該方法不僅克服了具體函數(shù)表達式的局限性，還能通過學習、訓練過程選擇相對最優(yōu)網絡對目標值進行預測。 本文使用Matlab神經網絡工具箱，基于人工神經網絡的預測原理，并將BP網絡模型引入到降水量預測領域，以文登市1953-2003年的降水量基礎，構建了區(qū)域降水量的多輸入多輸出的前向型BP網絡和反饋型Elman網絡預測模型，分別預測了該區(qū)未

4、來10年的季度和年度降水量的變化趨勢，并進行了對比分析。計算結果表明，BP模型應用于降水量預測具有較高的預測精度和良好的泛化能力，它為信息社會的降水量預測工作提供了一種全新的思路和方法。 從預測的結果可以看到BP網絡和Elman網絡對歷史數(shù)據(jù)的逼近效果非常好，網絡的預測符合歷史發(fā)展曲線。預測結果表明Elman網絡的預測值和Bp網絡的預測值有一些不同，但是差別不大，在網絡收斂的情況下，Bp網絡和Elman網絡有相近的輸出，但Elm