人工神經(jīng)網(wǎng)絡(luò)的泛化性能與降水預(yù)報(bào)的應(yīng)用研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)是一種模擬人腦信息處理方法的非線性系統(tǒng)，具有較強(qiáng)的處理非線性問題的能力，比較適合于一些信息復(fù)雜、知識(shí)背景不清楚和推理規(guī)則不明確問題(如短期降水預(yù)報(bào)問題)的建模。隨著神經(jīng)網(wǎng)絡(luò)方法在大氣科學(xué)領(lǐng)域研究的不斷深入，研究人員發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)方法在實(shí)際天氣預(yù)報(bào)業(yè)務(wù)應(yīng)用中存在一個(gè)重要的問題一人工神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型泛化性能問題。該問題的研究不僅關(guān)系到在大氣學(xué)科中能否進(jìn)一步深入開展有關(guān)人工神經(jīng)網(wǎng)絡(luò)方法的預(yù)報(bào)業(yè)務(wù)應(yīng)用，并且也是目前人工神經(jīng)網(wǎng)絡(luò)應(yīng)用理論

2、研究中尚未得到很好解決的關(guān)鍵技術(shù)問題。人工神經(jīng)網(wǎng)絡(luò)的理論和應(yīng)用研究表明，網(wǎng)絡(luò)的泛化性能與網(wǎng)絡(luò)的結(jié)構(gòu)、網(wǎng)絡(luò)的參數(shù)和樣本的質(zhì)量密切相關(guān)。然而，對(duì)于某個(gè)具體的短期天氣預(yù)報(bào)神經(jīng)網(wǎng)絡(luò)模型，在建模過程中如何確定適合的網(wǎng)絡(luò)結(jié)構(gòu)，如何優(yōu)化網(wǎng)絡(luò)參數(shù)，使建立的神經(jīng)網(wǎng)絡(luò)模型具有較好的泛化性能卻是一個(gè)難題，目前，通常采用的方法是通過反復(fù)試驗(yàn)來確定網(wǎng)絡(luò)的結(jié)構(gòu)和各種參數(shù)，而這樣，往往會(huì)導(dǎo)致網(wǎng)絡(luò)出現(xiàn)過擬合問題，從而嚴(yán)重影響網(wǎng)絡(luò)的泛化能力。 在采用神經(jīng)網(wǎng)絡(luò)方法

3、進(jìn)行實(shí)際的氣象預(yù)報(bào)應(yīng)用時(shí)，由于目前在國(guó)內(nèi)外的神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)建模理論方法研究中，尚未有確定神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型的網(wǎng)絡(luò)結(jié)構(gòu)的客觀定量方法，并且網(wǎng)絡(luò)模型的訓(xùn)練次數(shù)(網(wǎng)絡(luò)模型對(duì)訓(xùn)練樣本的擬合精度)變化對(duì)預(yù)報(bào)模型的泛化性能有重要影響，因此，如何客觀確定最適宜的網(wǎng)絡(luò)結(jié)構(gòu)，提高神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型的泛化性能問題，不僅是目前人工神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)建模理論需要深入研究的科學(xué)問題，也是目前利用人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行業(yè)務(wù)天氣預(yù)報(bào)應(yīng)用最迫切需要解決的核心技術(shù)。 針對(duì)在短

4、期天氣預(yù)報(bào)神經(jīng)網(wǎng)絡(luò)建模過程中難于確定網(wǎng)絡(luò)的結(jié)構(gòu)和優(yōu)化網(wǎng)絡(luò)參數(shù)的問題，本文提出了利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu)，并在遺傳進(jìn)化過程中采取保留最佳個(gè)體，從而客觀確定短期天氣預(yù)報(bào)神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)結(jié)構(gòu)方法。并以廣西區(qū)域降水短期預(yù)報(bào)神經(jīng)網(wǎng)絡(luò)模型和南海西行臺(tái)風(fēng)強(qiáng)度短期預(yù)報(bào)神經(jīng)網(wǎng)絡(luò)模型為例進(jìn)行研究，有以下主要的結(jié)論： (1)用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)、網(wǎng)絡(luò)結(jié)構(gòu)，并在進(jìn)化過程中采取保留最佳個(gè)體的方法，解決了由于神經(jīng)網(wǎng)絡(luò)初始權(quán)值的

5、隨機(jī)性和網(wǎng)絡(luò)結(jié)構(gòu)確定過程中所帶來的網(wǎng)絡(luò)振蕩，以及容易陷入局部解的問題。短期降水預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型和南海西行臺(tái)風(fēng)強(qiáng)度短期預(yù)報(bào)神經(jīng)網(wǎng)絡(luò)模型實(shí)例的計(jì)算結(jié)果表明，這種新方法避免了一般神經(jīng)網(wǎng)絡(luò)依靠經(jīng)驗(yàn)確定網(wǎng)絡(luò)結(jié)構(gòu)的困難。 (2)用遺傳算法來確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)，使神經(jīng)網(wǎng)絡(luò)具有最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)。結(jié)果表明，所建立的遺傳一神經(jīng)網(wǎng)絡(luò)模型其泛化能力遠(yuǎn)優(yōu)于一般的神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型。 針對(duì)在短期天氣預(yù)報(bào)神經(jīng)網(wǎng)絡(luò)建模過程中訓(xùn)練樣

6、本的復(fù)雜性影響神經(jīng)網(wǎng)絡(luò)的泛化性能問題，本文進(jìn)一步通過研究網(wǎng)絡(luò)模型學(xué)習(xí)矩陣的復(fù)共線性關(guān)系對(duì)預(yù)報(bào)模型泛化能力的影響，提出了采用主成分分析(PAC)建立神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)矩陣的新方法，以消除學(xué)習(xí)矩陣的復(fù)共線性關(guān)系，有效地避免神經(jīng)網(wǎng)絡(luò)過擬合現(xiàn)象的出現(xiàn)，從而提高神經(jīng)網(wǎng)絡(luò)的泛化性能。并以廣西區(qū)域短期降水預(yù)報(bào)為例進(jìn)行神經(jīng)網(wǎng)絡(luò)建模，結(jié)果發(fā)現(xiàn)，在預(yù)報(bào)模型輸入節(jié)點(diǎn)相同的情況下，較小的網(wǎng)絡(luò)結(jié)構(gòu)或網(wǎng)絡(luò)結(jié)構(gòu)增大時(shí)，無復(fù)共線性關(guān)系的神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型與存在復(fù)共線性關(guān)系的神