加權(quán)模糊隸屬度多模型RBF網(wǎng)絡(luò)及其應(yīng)用.pdf

1、人工神經(jīng)網(wǎng)絡(luò)已經(jīng)在很多領(lǐng)域得到了成功的應(yīng)用，但由于缺乏嚴(yán)密的理論體系的指導(dǎo)，其應(yīng)用效果往往取決于使用者的經(jīng)驗。Hansen和Salamon于1990年開創(chuàng)性地提出了神經(jīng)網(wǎng)絡(luò)集成方法，他們證明可以通過簡單地訓(xùn)練多個神經(jīng)網(wǎng)絡(luò)并將其結(jié)果進(jìn)行合成，就能顯著地提高神經(jīng)網(wǎng)絡(luò)系統(tǒng)的泛化能力；因為該方法易于使用且效果明顯，因此被視為一種非常有效的工程化神經(jīng)計算方法。 客觀氣象要素預(yù)報在地區(qū)天氣預(yù)報中有非常重要的作用。傳統(tǒng)方法一般采用統(tǒng)計分析、M

2、OS預(yù)報、經(jīng)驗預(yù)報等手段。不同于傳統(tǒng)的預(yù)報方法，本文采用神經(jīng)網(wǎng)絡(luò)技術(shù)，在時間序列分析的原理上，通過神經(jīng)網(wǎng)絡(luò)集成，建立多模型網(wǎng)絡(luò)，通過提取歷史氣象要素觀測資料來構(gòu)造和訓(xùn)練網(wǎng)絡(luò)模型。主要工作包括以下幾個方面： 一、簡要闡述了天氣預(yù)報的幾種方法，介紹了迅猛發(fā)展的神經(jīng)網(wǎng)絡(luò)技術(shù)及其在大氣科學(xué)領(lǐng)域中的應(yīng)用和前景。 二、介紹了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)、泛化能力和常用的學(xué)習(xí)算法，對多層前饋網(wǎng)絡(luò)的泛化能力做了研究分析，對目前提高神經(jīng)網(wǎng)絡(luò)

3、泛化能力最有效的方法——神經(jīng)網(wǎng)絡(luò)集成的一般理論、研究現(xiàn)狀與實現(xiàn)進(jìn)行了探討分析。 三、針對神經(jīng)網(wǎng)絡(luò)在復(fù)雜問題中的學(xué)習(xí)問題，提出基于專家網(wǎng)絡(luò)的RBF網(wǎng)絡(luò)模型MRBFN和基于神經(jīng)網(wǎng)絡(luò)集成思想的加權(quán)模糊隸書度多模型RBF網(wǎng)絡(luò)FWM。對兩種模型給出了算法和仿真實例。 四、利用時間序列分析的原理，引入FWM網(wǎng)絡(luò)模型，對一定區(qū)域內(nèi)的單站氣象要素，建立預(yù)測未來多小時內(nèi)的多種氣象要素如溫度、氣壓、濕度、風(fēng)向風(fēng)速、能見度等基本觀測值的多模型