粒子群-神经网络集成学习算法气象预报建模研究

被引：23

作者：

吴建生 ^{[1
]}

刘丽萍 ^{[2
]}

金龙 ^{[3
]}

机构：

[1] 柳州师范高等专科学校数学与计算机科学系

[2] 毕节地区气象局

[3] 广西区气象减灾研究所

来源：

热带气象学报 | 2008年 / 24卷 / 06期

关键词：

神经网络集成; 粒子群优化; 最优组合;

D O I：

10.16032/j.issn.1004-4965.2008.06.012

中图分类号：

P456.7 [数值预报方法];

学科分类号：

摘要：

针对BP神经网络在实际气象预报应用中,网络结构难以确定以及网络极易陷入局部解问题,提出一种基于神经网络的粒子群集成学习算法的气象预报模型,以BP算法为基本框架,在学习过程中引入粒子群算法,优化设计神经网络的网络结构和初始连接权,获得一组合适网络结构和初始连接权,再进行新一轮BP神经网络训练,获得一批独立的神经网络个体,以"误差绝对值和最小"为最优准则,采用线性规划方法计算各集成个体的权系数,生成神经网络的输出结论,以此建立短期气候预测模型。以广西的月降水量进行实例分析,计算结果表明该方法学习能力强、泛化性能高,能够有效提高系统预测的准确率。

引用

页码：679 / 686

页数：8

共 10 条

[1] 基于BP神经网络模型的广西月降水量降尺度预报 [J].

何慧 ;

金龙 ;

覃志年 ;

袁丽军 .

热带气象学报, 2007, (01) :72-77

[2] 遗传算法进化设计BP神经网络气象预报建模研究 [J].

吴建生 ;

金龙 ;

汪灵枝 .

热带气象学报, 2006, (04) :411-416

[3] 基于粒子群优化的神经网络训练算法研究 [J].

高海兵 ;

高亮 ;

周驰 ;

喻道远 .

电子学报, 2004, (09) :1572-1574

[4] 人工神经网络预报模型的过拟合研究 [J].

金龙 ;

况雪源 ;

黄海洪 ;

覃志年 ;

王业宏 .

气象学报, 2004, (01) :62-70

[5] 基于人工神经网络的暴雨预报方法探讨 [J].

胡江林 ;

涂松柏 ;

冯光柳 .

热带气象学报, 2003, (04) :422-428

[6]

偏最小二乘回归方法及其应用[M]. - 国防工业出版社 , 王惠文著, 1999

[7]

A Principal Components Approach to Combining Regression Estimates[J] . Christopher J. Merz,Michael J. Pazzani.Machine Learning . 1999 (1)

[8] Bagging predictors [J].

Breiman, L .

MACHINE LEARNING, 1996, 24 (02) :123-140

[9] THE STRENGTH OF WEAK LEARNABILITY [J].

SCHAPIRE, RE .

MACHINE LEARNING, 1990, 5 (02) :197-227

[10]

Nonlinear canonical correlation analysis of the tropical Pacific climate variability using neural network approach .2 Hsieh William W. J Climate . 2001

← 1 →