收藏本站
《华东师范大学》 2012年
收藏 | 手机打开
二维码
手机客户端打开本文

一种多核径向基函数神经网络的广西降水预报集成模型

李洁  
【摘要】:提高降水预报的准确率是气象预测领域一个十分重要的课题。受地表、地势、空气分子、湿度和云层等众多因素影响,多年的降水量难以预测,每天的降水变化是一个复杂的非线性过程。目前,包括中国气象局的T213模式等一批降水预测模型相继被提出,这些模型都尽可能找到降水量与测量出的物理量预报因子之间的某些非线性关系,希望能够建立一个基于历史资料的稳定、准确、泛化性能好且适用性强的范例推理模型。20世纪90年代以来,随着神经网络技术在大气科学中的广泛应用,神经网络以其良好的自适应学习能力和非线性处理能力,在天气预报中的成效日益显著。但是神经网络技术由于没有一套完整的理论体系指导,使用者的经验对应用效果起了决定性的作用。具体实际应用中,研究人员由于相应先验知识的缺乏,为了确定合适的网络参数,往往避免不了大量既费时又费力的实验摸索。很多情况下,就算对一个问题采用的方法相同,不同的操作者,结果也常常相差甚远。或者上一批数据设定好的参数,换另一批数据后效果并不好,甚至根本不适用,模型的参数需要重新实验摸索确定。这些都在很大程度上限制了神经网络模型在实际中的应用。 径向基神经网络(RBF网络)是一种三层前馈神经网络。中心、隐层神经元数及宽度的选择是否合适直接影响了RBF神经网络的性能。隐层节点数过少,则无法产生满足若干样本的学习需要的足够的连接权组合数,影响网络的逼近精度;隐层节点数过多,则学习以后网络的泛化能力变差,可能会带来过拟合现象,网络反应速度缓慢等。实际应用中,中心的选择可随机选择一定数目的输入模式;或在指定数目的情况下,采用K均值聚类算法选择出中心;RBF网络的梯度下降法学习算法,能根据网络误差调整数据中心、宽度和权值,使得网络的性能达到更优。但是算法学习前需要确定中心数和宽度;正交最小二乘法(Orthogonal least squares, OLS)的RBF网络学习算法,可以在训练的过程中根据各隐节点对网络误差的大小,对隐节点进行调整,获得较合适的隐节点数,相对于固定中心的学习算法,OLS不需要事先确定网络隐层节点数,解决了隐节点数难以确定的问题。但是需要事先确定隐节点的扩展常数,即宽度。这些算法具有普遍性且已经被应用,缺点是需要事先确定好隐节点数目或宽度等参数,而这些参数的确定尚没有一套完整有效的方法,往往为了得到合适的参数值需要进行大量费事费力的工作。 由于影响因素较多,众多的降水影响因子使模型的训练和预测规模变大,网络的训练时间长,收敛速度慢,降低了模型的预测性能。因此有必要对这些几十个乃至上百个的降水预报因子进行降维。而在这些影响降水因子的众多数据中,不同核函数对各输入因子的影响程度不一样,如何选择一个较好的核函数权衡这些因子,有助于提高降水预测模型的准确度。 本文针对径向基函数神经网络(RBF网络)的隐层节点数、中心和宽度难以确定的问题,及不同核函数对不同输入变量的影响程度不一、输入影响因子众多数据量大等问题。旨在建立一个适用普遍且有效的降水预报模型。本文的研究对象为基于径向基神经网络(RBF网络)的降水预报模型,主要完成的研究工作如下: (1)针对降水影响因子众多的问题,首先采用核主成分分析(KPCA)筛选主要降水影响因子,实验结果表明KPCA降维提取到的因子是可行且有效的。 (2)针对径向基函数神经网络(RBF网络)的隐层节点数、中心和宽度难以确定的问题,为提高网络性能,分析了常用学习算法的不足,提出了一种基于模糊聚类算法确定隐结点数的RBF优化算法。首先采用模糊聚类算法确定样本数据隐节点数;然后采用K均值聚类算法进行分类,确定各隐节点的中心;再以隐节点问的最小距离作为扩展常数,即宽度;最后在保证最小化网络性能度量下,实现非线性多维插值,使用最小二乘算法训练网络,确定网络输出层权值,使网络性能在某种意义下最优。该算法学习前不需要确定隐节点数、中心及宽度,解决了这些参数的确定问题。 (3)混合了6种径向基核函数,建立多核径向基函数神经网络集成模型,对得出的6个子预报模型进行简单平均、多元回归预报集成,从而考虑到了不同核函数对不同维输入变量的影响。 (4)对广西5月3个区逐口降水量的真实数据进行预报实验,实验表明,该模型具有较好的泛化性能,预报准确率高于T213降水预报模式,具有一定应用价值。
【学位授予单位】:华东师范大学
【学位级别】:硕士
【学位授予年份】:2012
【分类号】:P457.6;TP183

手机知网App
【参考文献】
中国期刊全文数据库 前10条
1 张兴兰,曹长修,梅彬;一种新型径向基函数神经网络学习算法——递归正交最小二乘法(ROLS)[J];重庆大学学报(自然科学版);2002年10期
2 许世刚,索丽生;确定前向神经网络隐层节点数的模糊聚类分析法[J];河海大学学报(自然科学版);2001年03期
3 吴成茂,范九伦;确定RBF神经网络隐层节点数的最大矩阵元法[J];计算机工程与应用;2004年20期
4 王和勇;姚正安;李磊;;基于聚类的核主成分分析在特征提取中的应用[J];计算机科学;2005年04期
5 夏克文;李昌彪;沈钧毅;;前向神经网络隐含层节点数的一种优化算法[J];计算机科学;2005年10期
6 吴洪艳;黄道平;;基于特征向量提取的核主元分析法[J];计算机科学;2009年07期
7 梁斌梅;韦琳娜;;改进的径向基函数神经网络预测模型[J];计算机仿真;2009年11期
8 吴建生;陈恩红;;基于K近邻非参数回归的神经网络集成降水预测模型[J];计算机应用与软件;2010年07期
9 金龙,陈宁,林振山;基于人工神经网络的集成预报方法研究和比较[J];气象学报;1999年02期
10 农吉夫;金龙;;基于MATLAB的主成分RBF神经网络降水预报模型[J];热带气象学报;2008年06期
中国重要会议论文全文数据库 前1条
1 熊伟;万忠宏;张红英;幸华刚;;基于聚类的核主成分分析方法在地震属性降维中的应用[A];中国地球物理学会第二十七届年会论文集[C];2011年
中国硕士学位论文全文数据库 前1条
1 吴建生;基于遗传算法的BP神经网络气象预报建模[D];广西师范大学;2004年
【共引文献】
中国期刊全文数据库 前10条
1 张艳;张海军;;基于DSP的多通道超声波连续测厚系统的研究[J];安徽工程科技学院学报(自然科学版);2008年03期
2 符保龙;;RBF网络在农业病虫害预测中的应用研究[J];安徽农业科学;2008年01期
3 李磊;孙卉;翟秋敏;郭志永;;RBF神经网络在平顶山市地表水评价中的应用[J];安徽农业科学;2008年26期
4 张帅;李琳一;袁涛;王梅玉;;信息技术在害虫时空动态模拟中的应用[J];安徽农业科学;2009年07期
5 童新安;王云鹏;;基于核主成分-聚类分析的土壤质量评价方法[J];安徽农业科学;2009年10期
6 时君伟;胡敏英;武志富;任振辉;;基于神经网络的视觉图像处理研究[J];安徽农业科学;2009年19期
7 任向辉;王运兵;崔建新;李嘉;李松伟;;色板对葱蓟马诱捕量的BP神经网络模型预测[J];安徽农业科学;2009年31期
8 华常春;高桂枝;;京杭大运河扬州段水污染研究[J];安徽农业科学;2010年27期
9 王瑞梅;傅泽田;何有缘;;基于神经网络的模糊系统池塘淡水养殖溶解氧预测模型[J];安徽农业科学;2010年33期
10 贺艳辉;袁永明;张红燕;龚贇翀;王红卫;;BP人工神经网络在罗非鱼价格预测中的应用[J];安徽农业科学;2010年35期
中国重要会议论文全文数据库 前10条
1 陈泰任;曹卫华;吴敏;雷琪;;一种新的集成模型在焦炉火道温度软测量中的应用[A];第二十六届中国控制会议论文集[C];2007年
2 田艳兵;;BP算法和PSO算法在神经网络中的研究[A];第二十九届中国控制会议论文集[C];2010年
3 王新宇;孙冠;韩冬;张婷;;基于一种改进神经网络的数据手套手势识别[A];第二十九届中国控制会议论文集[C];2010年
4 何平;潘国峰;李琳;夏克文;赵红东;;基于LS-SVR的压力传感器温度补偿[A];第二十九届中国控制会议论文集[C];2010年
5 李留澜;李书琴;;构建社会主义和谐社会必须切实发挥法治的保障作用[A];科学发展观与中国特色社会主义——全国社会科学院系统邓小平理论研究中心第十一届年会暨学术研讨会论文集[C];2006年
6 简季;杨武年;马正龙;陈园园;;BP神经网络在土地分类中的应用研究——以汶川地区为例[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
7 王海荣;;石油化工企业的静电火灾隐患评估[A];节能环保 和谐发展——2007中国科协年会论文集(四)[C];2007年
8 戴立新;胡洁;李美叶;;基于BP神经网络的农户小额信用贷款风险评价研究[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集(上册)[C];2008年
9 洪梅;张韧;蒋国荣;陈希;刘科峰;;基于数值预报产品优化的副热带高压动力统计延伸预报[A];中国灾害防御协会风险分析专业委员会第二届年会论文集(二)[C];2006年
10 张翔;阮燕云;张永勇;夏军;张洪斌;;闸门对河道污染物影响的实验与模拟研究[A];中国环境科学学会2009年学术年会论文集(第一卷)[C];2009年
中国博士学位论文全文数据库 前10条
1 冷欣;船用增压锅炉汽包水位预测控制方法研究[D];哈尔滨工程大学;2009年
2 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
3 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年
4 朱松;随机回归神经网络的动力学行为研究[D];华中科技大学;2010年
5 杨承;日盲型紫外探测和直升机着舰光电助降技术的研究[D];电子科技大学;2010年
6 邝砾;基于接口和行为语义的Web服务发现与适配研究[D];浙江大学;2009年
7 胡小平;二硅化钼的高温摩擦学特性及其磨损率预测[D];武汉理工大学;2010年
8 黄光东;基于智能算法的滑坡稳定性建模与分析[D];中国地质大学(北京);2011年
9 纪芳;渤海和黄海北部沿岸海洋动力灾害研究[D];中国科学院研究生院(海洋研究所);2010年
10 陈进杰;城市轨道交通项目广义全寿命周期成本理论与应用研究[D];北京交通大学;2011年
中国硕士学位论文全文数据库 前10条
1 刘棉;人机划拳系统的实现[D];山东科技大学;2010年
2 王永;消防单兵综合信息采集系统研究[D];山东科技大学;2010年
3 邢著荣;基于辐射传输模型和CHRIS数据反演春小麦LAI[D];山东科技大学;2010年
4 吴家瑞;服装产品加工成本快速估算方法研究[D];浙江理工大学;2010年
5 张娓娓;焦炭生产过程质量模型建模方法研究[D];郑州大学;2010年
6 吴珺;数据挖掘技术在彩票销售数据分析中的应用研究[D];郑州大学;2010年
7 许红珍;不确定混沌系统同步方法的研究[D];哈尔滨工程大学;2010年
8 郭际;舰船冲击环境频域与时域特性研究[D];哈尔滨工程大学;2010年
9 李鑫平;软件可靠性模型应用方法研究[D];哈尔滨工程大学;2010年
10 朱敏;内燃机排气噪声半主动控制技术研究[D];哈尔滨工程大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 朱明星,张德龙;RBF网络基函数中心选取算法的研究[J];安徽大学学报(自然科学版);2000年01期
2 金龙,居为民,缪启龙;Study on Ann-Based Multi-Step Prediction Model of Short-Term Climatic Variation[J];Advances in Atmospheric Sciences;2000年01期
3 金龙,秦伟良,姚华栋;多步预测的小波神经网络预报模型[J];大气科学;2000年01期
4 宋正山,杨辉;夏季东亚季风区500 hPa月环流异常及其与我国降水关系的向量EOF分析[J];大气科学;2001年03期
5 潘劲松,翟国庆,高坤;区域气候模拟中多种对流参数化方案的比较研究[J];大气科学;2002年02期
6 庄世宇,薛纪善,朱国富,赵军,朱宗申;GRAPES全球三维变分同化系统——基本设计方案与理想试验[J];大气科学;2005年06期
7 魏和林,符淙斌,王维强;区域气候模式侧边界的处理对东亚夏季风降水模拟的影响[J];大气科学;1998年05期
8 成安宁,陈文,黄荣辉;积云对流参数化方案对气候数值模拟的影响[J];大气科学;1998年06期
9 董聪;多层前向网络的全局最优化问题[J];大自然探索;1996年04期
10 彭汉川,甘强,韦钰;提高前馈神经网络推广能力的若干实际方法[J];电子学报;1998年04期
【相似文献】
中国期刊全文数据库 前10条
1 孙福振;李艳;李业刚;;基于RBF神经网络的土壤分类设计[J];安徽农业科学;2009年13期
2 訾书宇;魏汝祥;周萍;;基于RBF神经网络的舰船维修费预测[J];中国水运(学术版);2007年05期
3 钟忺;郭翠翠;;分解型分类数据挖掘算法研究及改进[J];华中师范大学学报(自然科学版);2008年04期
4 路志英,杨玉峰,赵智超,庞勇,刘还珠;基于遗传神经网的沙尘暴预测模型的研究[J];计算机工程与应用;2005年33期
5 李喜波;张喜波;王吉奎;;人工神经网络在降水预报中的应用[J];气象水文海洋仪器;2009年03期
6 贺兴时;余兵;韩琳;;基于差分进化的BP网络学习算法[J];纺织高校基础科学学报;2006年02期
7 胡继洋;李启华;王宇浩;;基于神经网络的潮汐预报方法初探[J];海洋预报;2006年S1期
8 梁礼明;翁发禄;丁元春;;神经网络在客户流失模型中的应用研究[J];商业研究;2007年02期
9 卫金茂,王淑琴,汪大伟;系统辨识的神经网络实现[J];东北师大学报(自然科学版);1997年04期
10 姚治平;王萍;;自适应神经元PID控制器的设计[J];科技广场;2009年01期
中国重要会议论文全文数据库 前10条
1 刘载文;崔莉凤;王小艺;吕思颖;;基于RBF神经网络的河湖水华软测量方法[A];第二十六届中国控制会议论文集[C];2007年
2 张文广;史贤俊;廖剑;李新;;RBF神经网络在惯导系统传递对准中的应用[A];中国自动化学会控制理论专业委员会C卷[C];2011年
3 郭兰平;俞建宁;张建刚;漆玉娟;张旭东;;改进RBF神经网络在城市公交车速时间序列预测中的应用[A];2010重庆汽车工程学会年会论文专辑[C];2010年
4 丁迎迎;杨永健;沈发江;;RBF神经网络在水下目标识别中的应用研究[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年
5 王亚慧;程培新;赵亚丹;张桐;;针对时滞系统的RBF神经网络滑模控制策略[A];第二十七届中国控制会议论文集[C];2008年
6 刘新功;吴蒙华;王元刚;王邦国;;基于RBF神经网络的镍基TiN纳米复合镀层显微硬度的预测研究[A];第14届全国特种加工学术会议论文集[C];2011年
7 杜大军;李雪;费敏锐;白浩亮;宋扬;;基于改进RBF神经网络的两层网络学习控制系统自学习模糊控制策略研究[A];中国自动化学会控制理论专业委员会A卷[C];2011年
8 张智焕;;基于神经网络的非线性坐标变换[A];1995年中国控制会议论文集(下)[C];1995年
9 戴文战;陈杰;朱金刚;;一种基于神经网络的新型前馈控制[A];1997年中国控制会议论文集[C];1997年
10 王德想;李东;孙德保;;神经网络容错性和灵敏度研究的进展[A];1996中国控制与决策学术年会论文集[C];1996年
中国重要报纸全文数据库 前10条
1 于翔;数字神经网络中的协同应用[N];网络世界;2009年
2 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
3 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
4 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
5 本报首席记者 任荃 实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年
6 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年
7 海通期货 秦小坡;基于RBF神经网的指数交易策略[N];期货日报;2009年
8 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年
9 谭薇;“潮湿计算机”:拥有人类智慧的超级大脑[N];第一财经日报;2010年
10 韩婷婷;ICT强壮奥运“神经网络”[N];通信产业报;2007年
中国博士学位论文全文数据库 前10条
1 杜大军;网络控制系统的学习和控制策略研究[D];上海大学;2010年
2 崔立成;基于多断面信息的城市道路网交通流预测方法研究[D];大连海事大学;2012年
3 牟洪波;基于BP和RBF神经网络的木材缺陷检测研究[D];东北林业大学;2010年
4 马永涛;通信信道建模的神经网络优化技术研究[D];天津大学;2009年
5 赵斌;基于RBF网络的北方温室温湿度控制机理的研究[D];东北林业大学;2010年
6 王琼;基于优化理论的神经网络研究及在抽油机故障诊断中的应用[D];东北石油大学;2011年
7 刘志祥;深部开采高阶段尾砂充填体力学与非线性优化设计[D];中南大学;2005年
8 戴雪龙;PET探测器神经网络定位方法研究[D];中国科学技术大学;2006年
9 马戎;智能控制技术在炼钢电弧炉中的应用研究[D];西北工业大学;2006年
10 文敦伟;面向多智能体和神经网络的智能控制研究[D];中南大学;2001年
中国硕士学位论文全文数据库 前10条
1 王晓娟;基于模糊控制与RBF神经网络的桃病虫害发生预测研究[D];河北农业大学;2011年
2 裴雪红;基于改进RBF神经网络的PID控制[D];哈尔滨理工大学;2010年
3 焦玉莹;基于RBF神经网络的浮船坞浮态检验系统辨识[D];大连海事大学;2011年
4 于红霞;多模型自适应控制在过热气温控制系统中的应用研究[D];东北大学;2008年
5 王丽霞;基于BP和RBF神经网络的光伏最大功率跟踪对比研究[D];汕头大学;2010年
6 臧胜永;船舶航向非线性系统的模型参考神经网络自适应控制[D];大连海事大学;2005年
7 黄大鹏;T-S型RBF神经网络在电解液成分建模中的应用研究[D];东北大学;2008年
8 冯晶;可拓理论在RBF神经网络研究中的应用[D];北京化工大学;2011年
9 来建波;基于神经网络的路段行程时间预测研究[D];云南大学;2011年
10 徐彩霞;RBF神经网络在城市空气质量评价中的应用研究[D];辽宁工程技术大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026