基于神经网络的沙尘暴预报模型的研究与应用

摘要

该文在分析和处理原始资料的基础上,通过聚类分析并参考专家经验及先验知识,成功地构建了建模样本特征,使借助855维数据描述的原始样本转变为由40个有效特征描述的建模样本,为模式建模工作奠定了坚实的基础;该文以中国近20年沙尘暴多发季节的正反两类天气情况作为建模样本,选用多层前向神经网络,训练沙尘暴预报模型,通过对BP网络预报模型在网络的拓扑、训练参数、样本集合等几个方面的优化工作,有效提高了模型的预报准确率,并进一步探讨了网络权值中隐含的信息可挖掘性.该文最后对建立预报系统中遇到的问题作了总结,并提出了多网络决策系统、专家系统和神经网络结合的解决方案,对预报系统的业务化提出了实现框架.

目录

文摘

英文文摘

独创性声明

第一章绪论

§1.1人工智能与天气预报

§1.2关于沙尘暴

§1.3沙尘暴预报问题分析

§1.4本文的主要工作

第二章模式建模

§2.1传统模式建模方法

§2.2智能模式建模方法

§2.3数据挖掘

§2.4沙尘暴模式建模

第三章建模样本的形成

§3.1原始资料

§3.2信息提取

§3.3聚类分析

§3.4样本特征的构建

§3.5建模样本描述

第四章基于人工神经网络的沙尘暴预报模型

§4.1多层前馈神经网络

§4.2模式分类与多层前馈神经网络功能解析

§4.3沙尘暴预报模型

§4.4问题分析

第五章模型优化

§5.1网络拓扑优化

§5.2训练样本的编辑

§5.3训练参数的研究

§5.4权值信息挖掘

第六章问题与展望

§6.1结果分析

§6.2进一步讨论

结束语

致谢

附录

参考文献

附录