資源描述：
《人工神經(jīng)網(wǎng)絡技術發(fā)展及在大氣科學領域的應用》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在工程資料-天天文庫。
1、人工神經(jīng)網(wǎng)絡技術發(fā)展及在大氣科學領域的應用摘要：近年來，人工神經(jīng)網(wǎng)絡技術的發(fā)展及在大氣科學領域的應用問題得到了業(yè)內(nèi)的廣泛關注，研究其相關課題有著重要意義。本文首先對人工神經(jīng)網(wǎng)絡技術（ANN技術）相關內(nèi)容做了概述，分析了人工神經(jīng)網(wǎng)絡技術在大氣科學領域中的應用，并結合相關實踐經(jīng)驗，分別從多個角度與方面研究了人工祌經(jīng)網(wǎng)絡技術的未來進展走向，闡述了個人對此的幾點認識。關鍵詞：人工神經(jīng)網(wǎng)絡技術；發(fā)展；大氣科學；應用1刖g作為一項實際應用要求較高的技術方法，人工神經(jīng)網(wǎng)絡技術的應用優(yōu)勢不言而喻。該項課題的研究，將會更好地提升對人工祌經(jīng)網(wǎng)絡技術的分析與掌控力度,從而通過
2、合理化的措施與途徑，進一步優(yōu)化大氣科學相關工作的最終整體效果。2人工神經(jīng)網(wǎng)絡技術（ANN技術）概述2.1BP神經(jīng)網(wǎng)絡BP神經(jīng)網(wǎng)絡主要在預測、分類以及函數(shù)逼近等方而的應用廣泛，例如，可以通過BP網(wǎng)絡對人的心電圖以及H電圖等進行分類，對函數(shù)最小二乘做逼近分析，整理一些在生產(chǎn)過程出現(xiàn)的數(shù)據(jù)，預測電力系統(tǒng)所具備的一些負荷量，并對相關的數(shù)據(jù)優(yōu)化分析等等。除了這些，BP網(wǎng)絡在時間中的序列預測也起到了十分明顯的作用。BP網(wǎng)絡還可以處理經(jīng)濟發(fā)展過程中的數(shù)據(jù)。2.2ART神經(jīng)網(wǎng)絡ART網(wǎng)絡具有十分強大的圖像、語音以及文字識別的功能，在相關領域應用廣泛。除此之外，ART網(wǎng)絡
3、在很多工業(yè)生產(chǎn)中也具有普遍的應用，主要體現(xiàn)在對于工業(yè)生產(chǎn)系統(tǒng)的控制方面。比如，對工業(yè)生產(chǎn)中存在的故障進行監(jiān)測判斷，對于事故進行預警等，通過挖掘相關的數(shù)據(jù)，解決繁瑣的生產(chǎn)過程中出現(xiàn)的問題。ART網(wǎng)絡的優(yōu)勢性在于，它能夠?qū)τ趶碗s的變化進行較為穩(wěn)定的分析，所提供的算法也非常簡單，十分快速。2.3RBF神經(jīng)網(wǎng)絡RBF網(wǎng)絡主要應用于建立模型、劃分類別、近似函數(shù)、系統(tǒng)識別以及處理信號等，相比于其他網(wǎng)絡，RBF網(wǎng)絡具有較為簡單的結構，在顯示非線性關系時具有明顯的效果，具有較快的收斂速度，可以體現(xiàn)對于整體的收斂。但是，RBF網(wǎng)絡同樣存在缺陷性。主要表現(xiàn)在它對于函數(shù)的逼近
4、不夠完整，需要繼續(xù)改進。3人工神經(jīng)網(wǎng)絡技術在大氣科學領域中的應用研究2000年，金龍和秦偉良等采用小波分析與神經(jīng)網(wǎng)絡相結合的方法，并以高斯導函數(shù)作為母小波，進行了一種新的非線性K：期預報模型研究。張韌和蔣國榮根據(jù)赤道地區(qū)的海溫觀測資料與西太平洋副熱帶高壓面積指數(shù)之間的關系，建立一個BP神經(jīng)網(wǎng)絡預報模型，預報未來后3個月的副高而積指數(shù)變化趨勢和走向。熊秋芬和王麗等比較丫用數(shù)值預報方法、天氣學方法和以數(shù)值預報產(chǎn)品為基礎的神經(jīng)網(wǎng)絡方法進行了1999年汛期雨量的預報比較，結果發(fā)現(xiàn)區(qū)域數(shù)值預報模式和神經(jīng)網(wǎng)絡方法有效好的預報效果。金龍和苗春生等利用神經(jīng)網(wǎng)絡靈活可變的
5、網(wǎng)絡拓樸結構，分別構造了定性和定量相嵌套的神經(jīng)網(wǎng)絡預報模型。2001年，胡江林和張禮平等以前期500hPa月平均高度場、海平而氣壓和太平洋海溫場的擴展自然正交展開的前幾個主要模態(tài)的時間系數(shù)，作為神經(jīng)網(wǎng)絡模型的輸入，建立了汛期降水的神經(jīng)網(wǎng)絡短期氣候預報模型。通過對41年歷史樣本的交叉檢驗，預報技巧評分平均為0246。陳云浩和史培軍等在對城市降雨系統(tǒng)時序規(guī)律分析的基礎上，提出了基于人工神經(jīng)網(wǎng)絡的降水時序分析與集成預報模型。并以上海市旬平均雨量為例，分析比較了神經(jīng)網(wǎng)絡集成預報與移動平均法，指數(shù)滑動預報法3種預報方法的差別，認為祌經(jīng)網(wǎng)絡集成預報方法比其它兩種預報
6、方法的預報精度高。金龍和秦偉良等提出了利用均生函數(shù)方法構造神經(jīng)網(wǎng)絡的學AI矩陣輸入，建立了一種新的短期氣候預報模型。張韌在丙太洋副高指數(shù)的預報中，采用前傳神經(jīng)網(wǎng)絡模型和回歸網(wǎng)絡模型進行了建模研宄，并進一步與傳統(tǒng)的統(tǒng)計回歸預報方法進行了比較，結果認為，回歸網(wǎng)絡預報模型較其它兩種方法對預報量在總體上的描述和預測要更準確一些。梁益同和胡江林在應用祌經(jīng)網(wǎng)絡方法進行NOAA衛(wèi)星遙感圖像的洪澇災害水體識別吋發(fā)現(xiàn)，神經(jīng)網(wǎng)絡方法比閾值法具奮更高的精度和效率。2003年，金龍和林熙等采用模糊數(shù)學與神經(jīng)網(wǎng)絡相結合的模塊化模糊神經(jīng)網(wǎng)絡方法，幵展了數(shù)值預報產(chǎn)品的模糊神經(jīng)網(wǎng)絡預報
7、建模研究。在逐日的氣溫預報對比分析中發(fā)現(xiàn)，模塊化模糊神經(jīng)網(wǎng)絡預報模型的預報能力要明顯高于常規(guī)的完全預報(PP)方法。王業(yè)宏和金龍在短期氣候預測研宄屮，首先通過對初選的預報因子作自然正交展開，并進一步選取與預報量相關程度高的主成分作為神經(jīng)網(wǎng)絡預報模型的輸入，建立了一種新的神經(jīng)網(wǎng)絡短期氣候預測模型。羅瑩和金龍等根據(jù)預報量與預報因子之間的不同相關關系，提出了利用門限值和門限變量建立神經(jīng)網(wǎng)絡的旱澇災害預報方法。金龍和況雪源等針對祌經(jīng)網(wǎng)絡預報建模中，預報模型容易出現(xiàn)過擬合和學A）能力好而泛化性能差的關鍵問題，采用降維處理技術，提出了如何確定網(wǎng)絡結構，防止神經(jīng)網(wǎng)絡預
8、報模型在對學習樣木作學習訓練時，出現(xiàn)過擬合現(xiàn)象和提高神經(jīng)網(wǎng)絡的泛化性能的方法。4
