基于神经网络的月降水预报模型在洪泽湖的应用研究

摘要

长期降水预报是对未来一个月或者一个季度的降水展望,在水库调度、防洪防灾、农业灌溉方面有很重要的作用,尤其是在农业气象上,长期降水预报的准确度如果稍有提高就能够产生巨大的经济效益。传统的长期预报方法都是基于历史数据的统计分析,由预报员的客观判断来决定。人工神经网络是一种模拟生物神经系统的模型,理论上它可以逼近任意的非线性函数。长期降水的物理影响因素非常复杂,目前还没有完善的理论基础。利用人工神经网络来进行长期的降水预报可以不需要清楚降水机理的情况下进行预报。但是标准的BP网络在解决实际问题时具有收敛速度慢、容易陷入局部极小值、网络结构没有完善的理论指导等缺点。研究发现,一些改进的算法可以弥补上述缺点,这些算法包括:附加动量法、自适应学习率、弹性BP算法、牛顿法、共轭梯度法、模拟退火算法等等。
　　本文基于标准BP算法的原理,针对标准算法的缺陷,在动量-自适应学习率算法的基础上,提出了改进的动量-自适应学习率算法,并且给出了算法的流程图。新算法基于动量-自适应学习率算法,可以有效的避免陷入局部极小值,大大降低训练的周期,提高了收敛效果。利用新算法在洪泽湖地区的长期降水模拟预报,并且和标准BP算法以及其他改进型BP算法进行了实验对比。新算法与标准算法或者改进型BP算法比较,明显改善了网络训练时收敛的速度和效果,避免了陷入局部极小值。并且新算法具有更好的稳定性和鲁棒性。

目录

摘要

ABSTRACT

1 绪论

1.1 长期降水预报的研究现状

1.2 国外的长期降水预报方法

1.3 国内长期降水预报的现状

1.4 长期降水预报的问题

1.5 本文的主要工作和结构安排

1.6 创新点

2 人工神经网络的研究现状

2.1 人工神经网络的概述

2.2 神经网络的学习算法

2.3 神经网络模型

2.3.1 自适应性网络

2.3.2 单层感知器网络

2.3.3 离散Hopfiled神经网络

2.3.4 Hamming网络

2.3.5 自组织神经网络

2.4 本章小结

3 BP网络算法

3.1 BP网络的结构

3.2 BP神经网络的算法

3.3 BP网络结构设计

3.3.1 BP网络训练数据的归一化处理

3.3.2 BP网络层数及各层节点数

3.3.3 BP网络初始权值的选取

3.3.4 BP网络学习率的确定

3.3.5 BP网络的传递函数

3.3.6 BP网络的训练算法

3.3.7 BP网络误差的确定

3.4 本章小结

4 基于改进的动量-自适应算法的月降水量预报研究

4.1 洪泽湖地区介绍及长期降水预报的意义

4.2 基于随机过程的月降水预报研究

4.2.1 随机过程的月降水预报模型

4.2.2 基于随机过程的月降水预报模型在洪泽湖地区的应用研究

4.3 标准BP算法对洪泽湖地区的月降水预报研究

4.3.1 网络训练

4.3.2 训练结果分析

4.4 基于改进的BP算法的月降水预报研究

4.4.1 附加动量法

4.4.2 自适应学习率

4.4.3 误差函数的改进

4.4.4 遗传算法结合

4.4.5 弹性BP算法

4.4.6 牛顿法

4.4.7 Levenberg-Marquardt算法

4.5 基于改进的动量-自适应学习率算法的月降水量预报研究

4.5.1 模型的确定

4.5.2 实验样本的选取

4.5.3 实验分析

4.6 本章小结

5 全文总结与研究展望

5.1 研究工作总结

5.2 研究展望

参考文献