共查询到20条相似文献，搜索用时 15 毫秒
1.
TIMESERIES PREDICTION MODEL CONSISTING OF ARTIFICIAL NEURAL NETWORK AND GENETIC ALGORITHM* 
下载免费PDF全文
下载免费PDF全文 The paper introduces the basic concept and flow diagram of genetic algorithm(GA) and the merits and demerits of artificial neural network(ANN) as a timeseries prediction model and thereupon developed is a new model with ANN and GA in combination. Eventually, calculations are presented with the results and model examined. 相似文献
2.
Comparison of long–term forecasting of June–August rainfall over changjiang–huaihe valley 总被引：10，自引：0，他引：10
In terms of an Artificial Neural Network (ANN) established is a long-term prediction model for June-August flood / drought in the Changjiang-Huaihe Basins and a regression forecasting expression is formulated with the aid of the same factors and sample size for comparison. Results show that the ANN is superior in predictions and fittings due to its higher self-adaptive learning recognition and nonlinear mapping especially in the years of severe flood and drought. This shows great promise in using ANN in the research of flood / drought prediction on a long-range basis 相似文献
3.
4.
GA-BP神经网络模型在流域面雨量预报的应用研究 总被引：2，自引：3，他引：2
通过采用遗传算法优化网络初始权重的方法,将遗传算法（GA）和前馈误差反传播（BP）算法有机地结合,优势互补,并应用于流域面雨量预报.以广东省东北部的滨江流域为试验区域,以1995～2001年气象探空资料为基础,利用最优子集回归技术进行预报因子筛选,建立了流域面雨量预报的GA-BP神经网络模型,取得了满意的结果.试验表明：（1）6小时流域面雨量预报神经网络的优化结构是7-7-1,转移函数的组合方式为tansig-线性函数.（2）训练算法为Levenberg-Marquardt算法（LM）.（3）遗传算法具有快速学习网络权重的能力,对BP网络易陷于局部极小点.（4）利用GA-BP神经网络模型对未来6小时流域面雨量的预报精度明显高于其它统计方法,证明了这种方法的有效性和可靠性. 相似文献
5.
人工神经网络法和线性回归法对降水相态的预报效果对比 总被引：2，自引：1，他引：1
本文主要对相同条件下线性回归法(LR)和人工神经网络法(ANN)对降雨、雨夹雪和降雪3种降水相态的预报效果进行了对比检验.选取降水发生时和发生前6h的地面2 m温度、露点温度作为预报因子,对降雨、雨夹雪和降雪进行预报.应用国家气象中心2001-2011年我国地面756站实况观测资料,其中应用2001-2010年资料对方法进行训练,2011年资料用来对比检验预报效果.结果显示,(1)两种方法对3种相态降水都有一定的预报能力,对降雪预报最好,其次是降雨和雨夹雪;(2)两种方法对北方的雨雪分界线预报比对南方的好;(3)无论是对全国还是长江中下游流域,在相同条件下,ANN法的预报效果大都优于LR法,当温度和露点温度预报准确时,ANN法对北方的雨雪分界线能进行较准确的预报. 相似文献
6.
In the context of tower measured radiation datasets.following the correction principle meetinga diagnostic equation in data quality control and in terms of a technique for model construction ondata and ANN(artificial neural network)retrieval for BP correction of radiation measurementswith rough errors available,a BP model is presented.Evidence suggests that the developed modelworks well and is superior to a convenient multivariate linear regression model,indicating its wideapplications. 相似文献
7.
JIANG Guorong ZHANG Ren SHA Wenyu YAN Junyue YAO Huadong 《Acta Meteorologica Sinica》2002,16(1):123-132
In the context of tower measured radiation datasets.following the correction principle meeting a diagnostic equation in data quality control and in terms of a technique for model construction on data and ANN (artificial neural network) retrieval for BP correction of radiation measurements with rough errors available,a BP model is presented.Evidence suggests that the developed model works well and is superior to a convenient multivariate linear regression model,indicating its wide applications. 相似文献
8.
9.
传统BP(back propagation)算法在实际应用中具有网络结构参数和学习训练参数难以确定、泛化能力差、训练学习易陷入局部极小点等问题。该文在传统BP算法的基础上,提出一种改进算法,在训练过程中能自动确定各种参数,并避免陷入局部极小点,提高网络的泛化能力。利用2003—2005年5—9月中国国家气象中心T213的数值预报产品,通过动力诊断得出反映降水的物理量,然后从中挑选出与降水关系较好的25个因子,连同中国国家气象中心T213模式、日本气象厅业务模式和德国气象局业务模式相应的降水量预报结果作为预报因子。采用改进的BP算法建立江淮流域68个站24 h降水(08:00—08:00,北京时)3个等级(降水量≥0.1 mm,降水量≥10 mm,降水量≥25 mm)的预报模型。通过对2006—2007年5—9月68个站试报结果表明:改进BP算法对降水预报的TS评分大大高于传统BP算法,也高于几种模式的降水预报结果,同时,改进算法使降水预报的平均空报率、漏报率明显降低。 相似文献
10.
利用人工神经网络模型预测西北太平洋热带气旋生成频数 总被引：1，自引：0，他引：1
通过对60年(1950~2009年)北半球夏、秋季(6~10月)热带气旋(TC)频数与春季(3~5月)大尺度环境变量的相关分析,挑选出8个相关性较高的前期预报因子建立人工神经网络(ANN)模型,对2010~2017年8年夏、秋季TC频数进行回报,并将回报结果与传统多元线性回归(MLR)方法所得结果进行对比分析。结果表明,ANN模型对60年历史数据的拟合精度高,相关系数高达0.99,平均绝对误差低至0.77。在8年回报中,ANN模型相关系数为0.80,平均绝对误差为1.97;而MLR模型相关系数仅为0.46,平均绝对误差为3.30。ANN模型在历史数据拟合和回报中的表现都明显优于MLR模型,未来可考虑应用于实际的业务预测中。 相似文献
11.
利用条件非线性最优扰动（conditional nonlinear optimal perturbation,CNOP）可以实现最大预报误差的上界估计。CNOP通常由基于梯度信息的约束优化算法进行求解,且其中的梯度信息由伴随模式提供。然而当非线性模式中含不连续＂开关＂时,传统伴随方法不能为优化过程提供正确的梯度方向,从而导致优化失败。为此,采用自适应变异和混合交叉的遗传算法,联赛选择机制和小生境技术的约束处理方法来求解最大预报误差上界。为检验新方法的有效性,以修改的Lorenz模型作为预报模式,对3个初始态分别用新方法和传统伴随方法进行比较,数值试验结果显示新方法求解出的最大预报误差的上界更加精确。 相似文献
12.
JIN Long KUANG Xueyuan HUANG Haihong QIN Zhinian WANG Yehong 《Acta Meteorologica Sinica》2005,19(2):216-225
Because of overfitting and the improvement of generalization capability (GC) available in the construction of forecasting models using artificial neural network (ANN), a new method is proposed for model establishment by means of making a low-dimension ANN learning matrix through principal component analysis (PCA). The results show that the PCA is able to construct an ANN model without the need of finding an optimal structure with the appropriate number of hidden-layer nodes, thus avoids overfitting by condensing forecasting information, reducing dimension and removing noise, and GC is greatly raised compared to the traditional ANN and stepwise regression techniques for model establishment. 相似文献
13.
人工神经网络预报模型的过拟合研究 总被引：35，自引：0，他引：35
针对神经网络方法在预报建模中存在的“过拟合”(overfitting)现象和提高泛化性能 (generalizationcapability)问题 ,提出了采用主成分分析构造神经网络低维学习矩阵的预报建模方法。研究结果表明 ,这种新的神经网络预报建模方法 ,通过浓缩预报信息 ,降维去噪 ,使得神经网络的预报建模不需要进行适宜隐节点数的最优网络结构试验 ,没有“过拟合”现象 ,并且与传统的神经网络预报建模方法及逐步回归预报模型相比泛化能力有显著提高 相似文献
14.
水面蒸发计算的人工神经网络方法研究 总被引：5，自引：2，他引：5
根据影响水面蒸发的主要气象因互，利用人工神经网络的学习，记忆功能，研究了一种新的水面蒸发计算方法。结果表明，该方法的计算简便，误差较小，为水面蒸发的气候学计算方法研究提供了一种思路。 相似文献
15.
用神经网络方法对雷达资料进行降水类型的分类 总被引：2，自引：1，他引：2
利用不依赖先验统计模型的多层前馈神经网络模型对合肥的新一代S波段A系列雷达2001-2003年的降水资料进行了三种降水类型的分类,并将训练完成后的网络应用于一次降水过程。利用单隐层的多层前馈神经网络模型,在取适当参数时,已经可以较好地对雷达资料进行对流云降水、层状云降水和混合云降水三种降水类型的分类。同时验证了：训练集样本的数量和顺序、隐层神经元的数目以及学习率的选择等都将影响分类的成功率。 相似文献
16.
天空云量预报及支持向量机和神经网络方法比较研究 总被引：11，自引：2，他引：11
使用支持向量机和人工神经网络两种方法,分别建立了天空云量的预报模型。利用2001年5月1日～2004年12月31日的武汉市地面、高空观测值及欧洲中心的24小时预报场等资料,通过按不同比例随机抽取样本进行交叉验证的方法,分析了SVM和ANN模型的预报能力和鲁棒性;然后再用全部样本资料建立预报模型,来预报2005年1月1日～5月31日武汉市天空云量。交叉验证和实例预报的结果显示：虽然SVM和ANN模型都表现了较好的预报能力,但SVM的预报能力高于ANN方法,且在计算速度上有ANN无法比拟的优势。 相似文献
17.
Artificial neural network (ANN) modeling has been performed to predict turbulent boundary layer characteristics for rough terrain based on experimental tests conducted in a boundary-layer wind tunnel to simulate atmospheric boundary layer using passive roughness devices such as spires, barriers, roughness elements on the floor, and slots in the extended test section. Different configurations of passive devices assisted to simulate urban terrains. A part of the wind tunnel test results are used as training sets for the ANN, and the other part of the test results are used to compare the prediction results of the ANN. Two ANN models have been developed in this study. The first one has been used to predict mean velocity, turbulence intensity, and model length scale factor. Results show that ANN is an efficient, accurate, and robust modeling procedure to predict turbulent characteristics of wind. In particular, it was found that the ANN-predicted wind mean velocities are within 4.7%, turbulence intensities are within 6.2%, and model length scale factors are within 3.8% of the actual measured values. In addition, another ANN model has been developed to predict instantaneous velocities that enables calculating the power spectral density of longitudinal velocity fluctuations. Results show that the predicted power spectra are in a good agreement with the power spectra obtained from measured instantaneous velocities. 相似文献
18.
19.
神经网络方法在广西日降水预报中的应用 总被引：7，自引：3，他引：7
以广西前汛期5、6月区域平均日降水量作为预报对象，采用人工神经网络方法进行新的数值预报产品释用预报研究。对T213预报因子进行自然正交分解，有效浓缩数值预报产品因子的预报信息，并结合日本降水预报模式因子建立广西3个不同区域的逐日降水神经网络释用预报模型。运用与实际业务预报相同的方法对2004年5、6月进行逐日的实际预报试验，并与T213的降水预报进行对比分析。结果表明，本文建立的3个区域日平均降水量神经网络预报模型，在预报性能上明显优于同期的T213降水预报。 相似文献
20.
An artificial neural network (ANN) is used to model the middle atmosphere
using a large number of TIMED/SABER limb sounding temperature profiles. A
three-layer feed-forward network is chosen based on the back-propagation
(BP) algorithm. Latitude, longitude, and height are chosen as the input
vectors of the network while temperature is the output vector. The
temperature observations during the period from 13 January through 16 March
2007, which are in the same satellite yaw, are taken as samples to train an
ANN. Results suggest that the network has high quality for modeling spatial
variations of temperature. Quantitative comparisons between the ANN outputs
and those from the popular empirical NRLMSISE-00 model illustrate their
generally consistent features and some specific differences. The NRLMSISE-00
models zonal mean temperatures are too high by ～6 K--10 K near the
stratopause, and the amplitude and phase of the planetary wave number 1
activity are different in some respects from the ANN simulations above
45--50 km, suggesting improvement is needed in the NRLMSISE-00 model for
more accurate simulation near and above the stratopause. 相似文献