基于MATLAB工具箱的PCA-RBF广西降雨量预测模型研究.pdf

文章编号 ：1007—1423(2015)18—0007—04 DOI：10．39696．issn．1007—1423．2015．18．002 基于MATLAB工具箱的PCA—RBF广西降雨量预测模型研究 李洁 (广西柳州师范高等专科学校，柳州 545004) 摘要 ： 利用MATLAB工具箱，采用主成分分析 (PCA)与径向基函数 (RBF)神经网络结合，构建广西一区(北部)五月的逐 日 降水预报模型。在2008年5月31天独立样本的预测检验中，预测的均方误差 、最大绝对误差及平均绝对误差均低于 同期的T213(q~国气象局的全球中期天气数值预报产品)模式，预报准确度更高。 关键词 ： 主成分分析；RBF神经网络：逐 日降水预测 基金项 目： 广西高校科学技术研究项 目(No．LX2014495) 0 引言 众多学者探索短期降水预报的新方法[31。 但是．对如何构造神经网络的学习矩阵问题，在人 对气象预报进行建模研究．提高降水预报的准确 工神经网络的理论研究中．并未有系统的理论说明．而 度对国民经济的发展具有重大意义 开展降水预测研 且．学习训练收敛速度不快或不收敛等 问题 ．前馈神经 究．有助于减少或者防止洪涝灾害造成的人员伤亡和 网络一直存在。而在短期的数值预报中。构造出能合理 财产损失，促进社会经济的可持续发展。由于每天的降 反映预报变化特征的学习矩阵至关重要的[41本文利用 水变化受地势 、温度、空气分子、湿度、压力、云层、风速 MATLAB工具箱 ，采用主成分分析 (PCA)构造神经网 和方 向等众多因素影响．因子之间存在严重的相关性 。 络的学习矩阵，将径向基函数 (RBF)和主成分分析 这直接导致了预测的准确度1【1。主成分分析 (PCA)可以 (PCA)相结合，建立广西一区(北部)的PCA—RBF逐 日 有效地消除变量因子之间的这种相关性 另外 ．降雨量 降水预报模型 与其影响因子之间具有显著的非线性和时变性，一般 的统计方法大多采用回归模型．主要针对解决线性 问 1 基于 PCA的 RBF神经网络及其实现 题 ．对这种非线性问题 。很难揭示其变化规律 ，采用传 主成分分析t3-~(PrincipalComponentAnalysis．PCA) 统的线性方法无法刻画出这种复杂的非线性阁如何找 是一种多元统计方法．用于研究多个变量间相关性。其 到一种有效的预测方法 ．是当前很多学者在探讨 的关 可以在保证数据信息丢失最少的前提下．研究出少数 键。 几个线性组合 ．将多变量的方差解释为几个主分量，这 九十年代以来 ．人工神经网络研究在大气科学领 些主分量彼此不相关 ．并且所代表的综合指标能尽可 域取得了显著的成就 其强大的自适应和优 良的非线 能多地保留原始变量的信息．从而达到减少数据维数 性处理能力比普通的线性统计方法表现出了更好的预 的 目的。 报能力 ，更适合处理那些推理规则难确定、无规律的非