短期降水预报BP神经网络预报方法研究

摘要

人工智能(Artificial Intelligence,简记为AI)是当前科学技术发展中的一门前沿学科,同时也是一门新思想、新观念、新理论、新技术不断出现的新兴学科以及正在迅速发展的学科.它是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科研究的基础上发展起来的,因此又可把它看作是一门综合性的边缘学科.人工神经网络(Artificial Neural Network,简记为ANN)是最近发展起来的十分热门的交叉学科,它涉及生物、电子、计算机、数学和物理等学科,并在工程上具有非常广泛的应用前景.人工神经网络是模拟生物神经结构的新型智能系统,它是在生物神经网络理论的基础上所构成的多个神经元互连结构的网络,主要研究复杂的多维非线性大系统中的信息分布、信息处理的理论和方法,并用于解决实际的工程问题.人工神经网络有很多模型,但是目前应用最广,其基本思想最直观、最容易理解的是多阶层前馈神经网络及误差传播学习算法(Error Back-Propagation).人们常将按这一学习算法进行训练的多阶层前馈神经网络简称为BP网络.该文首先简要介绍了人工神经网络的基本理论及概念,在第4章中对人工神经网络BP算法的理论、结构、训练学习过程及不足之处进行了较为深入的分析和研究.在第5章和第6章中研究了BP算法的具体应用实例,并对训练学习过程中遇到的问题和实验结果进行了分析,指出了BP算法的优缺点,及在实际的应用工作中存在的问题和有待进一步改进的地方.

目录

文摘

英文文摘

第1章绪论

1.1引言

1.2什么是神经网络(Neural Network)

1.3人工神经网络的互连形态

1.4人工神经网络的特征及分类

1.4.1人工神经网络的特征

1.4.2人工神经网络的分类

1.5人工神经网络模型

1.6人工神经网络研究的主要内容

1.7研究人工神经网络及其应用的意义

1.8论文的组织

第2章人工神经网络基本理论

2.1生物神经网络的人工模型与人工神经网络的构成

2.2人工神经网络的学习规则

2.3人工神经网络的几种基本类型

2.3.1神经元变换函数的三种类型

2.3.2常用的人工神经元模型

2.3.3人工神经网络的四种结构

2.3.4学习算法上的分类

2.4人工神经网络的基本特点

2.5小结

第3章概率论与数理统计基础

3.1概率论

3.1.1样本空间

3.1.2事件的概率

3.2数理统计

3.2.1样本及抽样分布

3.2.2参数估计

3.3小结

第4章BP神经网络模型

4.1 BP网络模型的结构

4.2BP网络的学习过程

4.3 BP网络学习的步骤

4.3.1BP网络学习的简单步骤

4.3.2BP网络学习的传播公式

4.3.3BP网络学习的算法描述

4.4单样例情况下BP算法流程图

4.5 BP算法的不足

4.6小结

第5章短期降水预报BP神经网络模型

5.1气象资料的整理

5.1.1验证短期降水预报准确率的主要要素

5.1.2资料的选取

5.1.3降水预报的判断

5.2BP网络结构设计

5.3参数的选取

5.4小结

第6章短期降水预报BP神经网络算法

6.1BP网络各层初始参数及节点作用函数的确定

6.2网络训练学习过程

6.3网络训练学习结果

6.4网络实验结果

6.5结论

6.6小结

第7章结束语

致谢

参考文献

附录1 攻读学位期间发表学术论文