沙塵暴包括沙暴和塵暴,常伴隨著土地荒漠化而發(fā)生。其指的是一種不穩(wěn)定強(qiáng)氣流卷起地表的沙塵導(dǎo)致能見度降低的天氣現(xiàn)象,具有突發(fā)性和危害性。沙塵暴在我國西北和華北地區(qū)多有發(fā)生。內(nèi)蒙古地形狹長,橫跨中國東北,華北,西北三大區(qū)域,其中西部是沙塵暴頻發(fā)地區(qū)。沙塵暴治理方面主要通過恢復(fù)植被,保護(hù)環(huán)境來進(jìn)行;預(yù)防方面,就要用到沙塵暴預(yù)警、預(yù)報等方法。近年來,借助計算機(jī)對氣象資料進(jìn)行分析建模逐步成為研究熱點(diǎn)。循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network,RNN）是深度學(xué)習(xí)模型的一種,也被稱為時間遞歸神經(jīng)網(wǎng)絡(luò)。由于氣象數(shù)據(jù)具有屬性多維性,不確定性,時空特性,周期性等特點(diǎn),是典型的時間序列,用傳統(tǒng)的數(shù)據(jù)分析方法對其進(jìn)行處理分析很難獲得良好的準(zhǔn)確性。而循環(huán)神經(jīng)網(wǎng)絡(luò)可以很好的進(jìn)行時間序列的建模,適用于大批量氣象數(shù)據(jù)的分析處理。因此,本課題采用了循環(huán)神經(jīng)網(wǎng)絡(luò)對氣象數(shù)據(jù)進(jìn)行分析建模,預(yù)測內(nèi)蒙古地區(qū)的沙塵暴天氣現(xiàn)象,為提升沙塵暴預(yù)警水平提供一定程度的理論支持。本課題主要完成了以下工作:首先,將收集到的沙塵暴資料以及對應(yīng)的日值氣象資料進(jìn)行了整合和預(yù)處理,主要包括:數(shù)據(jù)集成,數(shù)據(jù)降維,特征值處理和缺測值處... 

【文章來源】：內(nèi)蒙古工業(yè)大學(xué)內(nèi)蒙古自治區(qū)

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

Sigmoid函數(shù)曲線圖

內(nèi)蒙古工業(yè)大學(xué)碩士學(xué)位論文10圖2-3Tanh函數(shù)曲線圖Figure2-3Tanhcurve圖2-4Sigmoid函數(shù)與Tanh函數(shù)曲線圖Figure2-4SigmoidandTanhcurve（3）ReLU激活函數(shù)ReLU激活函數(shù)（RectifiedLinearUnit），一般用于隱層神經(jīng)元輸出。其為分段線性函數(shù)，所有的非正值為0，所有的正值不變，這被稱為單側(cè)抑制。神經(jīng)元在經(jīng)過ReLU函數(shù)后，某些不變，某些輸出零值，神經(jīng)元之間的相互依賴關(guān)系會減弱，所以ReLU在一定程度上能緩解復(fù)雜模型的梯度消失和過擬合的問題[47]。其公式如式2-6所示，曲線如圖2-5所示。()={,>00,≤0（2-6）

內(nèi)蒙古工業(yè)大學(xué)碩士學(xué)位論文10圖2-3Tanh函數(shù)曲線圖Figure2-3Tanhcurve圖2-4Sigmoid函數(shù)與Tanh函數(shù)曲線圖Figure2-4SigmoidandTanhcurve（3）ReLU激活函數(shù)ReLU激活函數(shù)（RectifiedLinearUnit），一般用于隱層神經(jīng)元輸出。其為分段線性函數(shù)，所有的非正值為0，所有的正值不變，這被稱為單側(cè)抑制。神經(jīng)元在經(jīng)過ReLU函數(shù)后，某些不變，某些輸出零值，神經(jīng)元之間的相互依賴關(guān)系會減弱，所以ReLU在一定程度上能緩解復(fù)雜模型的梯度消失和過擬合的問題[47]。其公式如式2-6所示，曲線如圖2-5所示。()={,>00,≤0（2-6）

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)與雙向長短時記憶網(wǎng)絡(luò)組合模型的短時交通流預(yù)測[J]. 徐先峰,黃劉洋,龔美.  工業(yè)儀表與自動化裝置. 2020(01)
[2]基于循環(huán)神經(jīng)網(wǎng)絡(luò)的目標(biāo)轉(zhuǎn)彎機(jī)動類型識別[J]. 吳家湖,熊華,宗睿,趙曜,周賢中.  廣東工業(yè)大學(xué)學(xué)報. 2020(02)
[3]卷積神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)分析[J]. 賴策.  科學(xué)技術(shù)創(chuàng)新. 2019(33)
[4]近54年內(nèi)蒙古自治區(qū)西部沙塵暴的變化趨勢[J]. 馬瀟瀟,王海兵,左合君.  水土保持通報. 2019(04)
[5]關(guān)于深度學(xué)習(xí)的綜述與討論[J]. 胡越,羅東陽,花奎,路海明,張學(xué)工.  智能系統(tǒng)學(xué)報. 2019(01)
[6]基于門限遞歸單元循環(huán)神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測方法研究[J]. 王體迎,時鵬超,劉蔣瓊,劉博藝,時天昊.  重慶交通大學(xué)學(xué)報(自然科學(xué)版). 2018(11)
[7]SDAE-LSTM模型在金融時間序列預(yù)測中的應(yīng)用[J]. 黃婷婷,余磊.  計算機(jī)工程與應(yīng)用. 2019(01)
[8]深度學(xué)習(xí)研究綜述[J]. 張榮,李偉平,莫同.  信息與控制. 2018(04)
[9]基于循環(huán)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情趨勢預(yù)測研究[J]. 孫靖超,周睿,李培岳,蘆天亮.  情報科學(xué). 2018(08)
[10]卷積神經(jīng)網(wǎng)絡(luò)的PM2.5預(yù)報模型[J]. 吳春霖,李琦,侯俊雄,KARIMIAN Hamed,陳工.  測繪科學(xué). 2018(08)

碩士論文
[1]基于大數(shù)據(jù)技術(shù)的智能電網(wǎng)企業(yè)日用電量預(yù)測模型實(shí)現(xiàn)[D]. 郭彥男.廣東工業(yè)大學(xué) 2019
[2]潮州氣象手機(jī)網(wǎng)實(shí)況信息系統(tǒng)的設(shè)計與實(shí)現(xiàn)[D]. 蔡立青.電子科技大學(xué) 2015
[3]集成學(xué)習(xí)算法研究[D]. 馬冉冉.山東科技大學(xué) 2010



本文編號：3228987