遗传神经网络在城市气象预报中的应用分析.pdf

致 谢 本文能够顺利完成，首先要感谢我的导师王志军老师。在攻读硕士学位期间，无论是 在生活方面还是学习方面，王老师都给予我热情的关怀和悉心的指导。他谦逊平和的做人 原则和孜孜不倦的敬业精神很是值得我们学习。他在认识社会及为人处世的态度上也给予 我很多的教育，使我认识到做事要尽心尽力。从论文的选题，内容的确立以及论文的定稿， 王老师都给了我非常珍贵的指导意见。在此，谨向王老师及其全家表示我最诚挚的敬意和 感谢。 同时，也要感谢电信学院的各位教授、老师，是他们的认真，严谨的科研作风和教学 态度使我在研究生学习生涯获得了宝贵的知识和精神财富。也要感谢 441 实验室的所有同 学，我们一起努力，一起走过我们的研究生生活，真诚的感谢他们，在我困难的时候给予 我帮助和指导，将是我一生的财富。 最要感谢的是我的家人，这么多年，是他们一直在默默支持关怀我，在我迷失的时候 给我指引，在我疲惫的时候给我温暖的港湾停泊。谢谢你们。 摘 要 由于神经网络方法在气象预报建模时，其初始权值和阈值难以确定，需要反复训练以 确定网络结构和各种参数，这又容易导致过拟合问题，严重影响网络的泛化能力。优化 BP 神经网络的方法有很多，常用的是用遗传算法优化神经网络的权值阈值。但遗传算法又有 其 自身无法克服的缺点。针对遗传算法在初始化群体过程中，存在某些个体在初始化过程 中适应度过大，在遗传算法后期适应度又趋于集中的问题，提出适应度值标定的方法，以 改进遗传算法。因此，在遗传算法进行遗传算子操作运算之前先进行适应度值的标定，从 而起到优化遗传算法的目的。基于上述思想，利用改进的遗传算法优化 BP 神经网络的权 值和阈值，然后应用于北京市 日最高最低气温的预测中。实验表明，改进的遗传神经网络 与标准遗传神经网络相比具有一定的优越性，提高了神经网络的预测能力。 关键词：遗传算法；神经网络 ；适应度标定；温度预测 - I - Abstract B ecause of neural netw ork m ethod used in m eteorological forecast m odeling, its initialized w eights and threshold is difficult to determ ine, requiring repeated training to determ ine the netw ork structure and various param eters, which is easy to cause the over fitting, effecting the netw ork generalization ability. There are m any m ethods of optim ize the BP neural netw ork, com m only genetic algorithm is used to optim ize neural netw ork w eights threshold. H ow ever, genetic algorithm has its own shortcom ing w hich it can not overcom e by itself. In the initialization group process of genetic algorithm , som e individuals’ fitness value is too large in the initialization process, and the fitness value tends to centralization at the later stage of genetic algorithm . The paper proposed the fitness value calibration to im prove the genetic algorithm . Therefore, before the genetic oper