建立BP神經(jīng)網(wǎng)絡(luò)和遺傳算法（GA）BP神經(jīng)網(wǎng)絡(luò)氣候預(yù)測模型,利用1890-2019年全球平均氣溫及氣溫影響因子數(shù)據(jù),對2020-2044年氣候進行預(yù)測估計,并對兩種氣溫預(yù)測模型的結(jié)果進行對比與分析。結(jié)果表明:（1）未來氣溫將持續(xù)上升;（2）BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)均能較好擬合實際值;（3）BP神經(jīng)網(wǎng)絡(luò)預(yù)測值與實測值之間的平均誤差為1.47%,而利用GA-BP神經(jīng)網(wǎng)絡(luò)對氣溫進行預(yù)測時,平均誤差僅為0.65%。因此,GA-BP神經(jīng)網(wǎng)絡(luò)在處理時間序列數(shù)據(jù)預(yù)測時具有較高預(yù)測精度,能夠有效指導(dǎo)我國未來綠色發(fā)展政策制定。 

【文章來源】：鄭州航空工業(yè)管理學院學報. 2020,38(06)

【文章頁數(shù)】：9 頁

【文章目錄】：
一、數(shù)據(jù)的來源與預(yù)處理
    （一）異常值檢驗與剔除
    （二）歸一化處理
二、研究方法
    （一）BP神經(jīng)網(wǎng)絡(luò)
        1.訓(xùn)練集和驗證集
        2.三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.BP神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置
    （二）GA-BP神經(jīng)網(wǎng)絡(luò)
        1.種群初始化
        2.適應(yīng)度函數(shù)
        3.選擇操作
        4.交叉操作
        5.變異操作
        6.GA-BP神經(jīng)網(wǎng)絡(luò)流程
        7.GA-BP神經(jīng)網(wǎng)絡(luò)的參數(shù)選擇
三、BP神經(jīng)網(wǎng)絡(luò)及GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果
    （一）影響因子時間序列預(yù)測結(jié)果
    （二）BP神經(jīng)網(wǎng)絡(luò)及GA-BP神經(jīng)網(wǎng)絡(luò)氣溫預(yù)測結(jié)果
    （三）驗證兩種算法預(yù)測全球平均氣溫的精準度
四、結(jié)論與展望


【參考文獻】：
期刊論文
[1]粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)在夏季降水預(yù)測中的應(yīng)用[J]. 吳有訓(xùn),束長漢,陶曙華,王周青,章愛國,汪小逸,陳平.  中國農(nóng)學通報. 2013(05)
[2]基于遺傳算法的神經(jīng)網(wǎng)絡(luò)短期氣候預(yù)測模型[J]. 金龍,吳建生,林開平,陳冰廉.  高原氣象. 2005(06)
[3]中國氣溫變化研究最新進展[J]. 任國玉,初子瑩,周雅清,徐銘志,王穎,唐國利,翟盤茂,邵雪梅,張愛英,陳正洪,郭軍,劉洪濱,周江興,趙宗慈,張莉,白虎志,劉學峰,唐紅玉.  氣候與環(huán)境研究. 2005(04)



本文編號：3156768