基于神经网络技术的地球自转变化预报
发布时间：2021-11-11 14:04
地球自转变化的预报具有重要的科学意义和实际应用价值。然而由于地球自转变化复杂的时变特性，传统的线性时间序列分析方法往往难以取得良好的预报效果。本文采用非线性的人工神经网络技术预报地球自转变化。由于固体地球及环绕着它的流体圈层构成一个近似封闭的动力学系统，角动量守恒原理表明，大气或海洋角动量的任何变化都会影响固体地球的自转变化。现代测地技术获得的高精度地球自转变化和全球大气环流模式的研究结果表明，与日长变化成强相关的是大气角动量函数的轴向分量X3，与极移激发相关的是大气角动量函数的赤道向分量X1、X2。将大气角动量时间序列引入到地球自转变化预报中，相当于增加一个物理约束条件。正是基于此，本文着重研究和探索应用非线性的神经网络技术，将大气角动量时间序列引入到地球自转变化预报中，改善地球自转参数（ERP）的预报精度，以及应用神经网络技术预报El Nino／南方涛动（ENSO）事件。本文主要研究内容如下：（1）分析了神经网络的拓扑结构算法，提出选用最小均方误差法确定网络的拓扑结构。研究探讨了适合于本研究的网络算法流程。（2）基于...
【文章来源】：中国科学院大学(中国科学院上海天文台)上海市
【文章页数】：117 页
【学位级别】：博士
【部分图文】：
002200320042005ZIX用2007Tla2001一2006期间的地球自转激发函数(蓝色实线)和大气激发函数(红色虚线)
和形象思维两种，前者由左脑主管，后者则由右脑主管。经过长期而深入的研究，人们认识到人脑是由大约10’‘个神经元和10’‘一10’5个突触组成的巨大系统，神经元则是由细胞体和一些树突、轴突和突触构成的(如图3.1)。其中树突是信息输入端，轴突是信息输出端。这样每个神经元都可以看作一个小的图3.1神经元结构示意图处理单元。这些神经元按照一定的方式互相连接起来，构成了大脑内部的生理神经元网络。生理神经元网络中的神经元之间连接的强弱，按照外部的激励信号作自适应变化，而每个神经元又随着接收到的多个激励信号的综合大小呈现兴奋和抑制。研究表明，大脑的学习过程就是神经元之间连接强度随外部激励信息作自适应变化的过程，大脑处理信息的结果确由神经元的状态表现出来。大脑就是靠复杂网络的大规模并行处理方法，及时地对外界事物做出整体的判断与决策。人工神经网络是对人脑神经网络的结构和功能、以及若干基本特性的某种理论抽象、简化和模拟而构成的一种信息处理系统。从系统的观点看
图3.4网络拓扑结构的确定此外，还需要考虑的是，由于神经网络的初始化参数是随机赋予的，了减小初始化参数的随机波动对拓扑结构和预报结果的影响，我们对每网络模型的训练和预报都重复了多次，然后对这些预报结果取平均作为的预报值。起初的计算中，我们对每一种拓扑结构的训练和预报都计算100期望把网络初始化参数的随机误差的影响大大减小。但是我们发现这样工作量太大，耗时太长;于是我们尝试把每一种拓扑结构的重复训练次少到25次甚至5次，这样所用的时间大大缩短了。最后，为了既能减小网始化参数的随机误差的影响，提高预报结果的精度，又能缩短计算时间，们采用的方法是在较大的拓扑结构范围内，对每一种网络模型的训练都计算5次，得到预报误差(R为ISE)随较大范围的网络拓朴结构的分布情况，据这一分布结果确定出一个较小的“网络拓扑结构”的范围，然后再对较小的“拓扑结构”范围的每个模型重复训练25次，找到最佳的拓扑结下面是我们在LODR加大气的预报中，对跨度为365天的预报所作的试验结
【参考文献】：
期刊论文
[1]Atmospheric and Oceanic Excitations to LOD Change on Quasi-biennial Tune Scales[J]. Li-Hua Ma, De-Chun Liao and Yan-Ben Han National Astronomical Observatories, Chinese Academy of Sciences, Beijing 100012; Shanghai Astronomical Observatory, Chinese Academy of Sciences, Shanghai 200030. Chinese Journal of Astronomy and Astrophysics. 2006(06)
[2]Chandler摆动激发函数的统计特性[J]. 廖德春,廖新浩,周永宏. 科学通报. 2004(22)
[3]地球无线电掩星观测及其在航天技术中的应用[J]. 张训械,胡雄,吕级三. 导弹与航天运载技术. 2004(05)
[4]基于BP神经网络的预测建模系统的研究与实现[J]. 张烈平,周德俭,牛秦洲. 计算机仿真. 2004(09)
[5]基于BP神经网络的交通影响预测模型[J]. 裴玉龙,王晓宁. 哈尔滨工业大学学报. 2004(08)
[6]非线性混沌时序的神经网络预测与控制算法研究[J]. 蒋伟进. 计算机应用与软件. 2004(04)
[7]神经网络的预测性能的优化分析[J]. 雷正伟,徐章遂,米东,刘美全. 计算机测量与控制. 2004(01)
[8]海洋和大气对Chandler摆动激发的贡献[J]. 廖德春,廖新浩,周永宏. 地球物理学报. 2003(04)
[9]国内外ENSO监测和预测技术分析[J]. 翟盘茂. 浙江气象科技. 2003(02)
[10]天文观测已检测到2002年的弱El Ni■o事件[J]. 廖德春,周永宏,廖新浩. 科学通报. 2003(11)
本文编号：3488989
【文章来源】：中国科学院大学(中国科学院上海天文台)上海市
【文章页数】：117 页
【学位级别】：博士
【部分图文】：
002200320042005ZIX用2007Tla2001一2006期间的地球自转激发函数(蓝色实线)和大气激发函数(红色虚线)
和形象思维两种，前者由左脑主管，后者则由右脑主管。经过长期而深入的研究，人们认识到人脑是由大约10’‘个神经元和10’‘一10’5个突触组成的巨大系统，神经元则是由细胞体和一些树突、轴突和突触构成的(如图3.1)。其中树突是信息输入端，轴突是信息输出端。这样每个神经元都可以看作一个小的图3.1神经元结构示意图处理单元。这些神经元按照一定的方式互相连接起来，构成了大脑内部的生理神经元网络。生理神经元网络中的神经元之间连接的强弱，按照外部的激励信号作自适应变化，而每个神经元又随着接收到的多个激励信号的综合大小呈现兴奋和抑制。研究表明，大脑的学习过程就是神经元之间连接强度随外部激励信息作自适应变化的过程，大脑处理信息的结果确由神经元的状态表现出来。大脑就是靠复杂网络的大规模并行处理方法，及时地对外界事物做出整体的判断与决策。人工神经网络是对人脑神经网络的结构和功能、以及若干基本特性的某种理论抽象、简化和模拟而构成的一种信息处理系统。从系统的观点看
图3.4网络拓扑结构的确定此外，还需要考虑的是，由于神经网络的初始化参数是随机赋予的，了减小初始化参数的随机波动对拓扑结构和预报结果的影响，我们对每网络模型的训练和预报都重复了多次，然后对这些预报结果取平均作为的预报值。起初的计算中，我们对每一种拓扑结构的训练和预报都计算100期望把网络初始化参数的随机误差的影响大大减小。但是我们发现这样工作量太大，耗时太长;于是我们尝试把每一种拓扑结构的重复训练次少到25次甚至5次，这样所用的时间大大缩短了。最后，为了既能减小网始化参数的随机误差的影响，提高预报结果的精度，又能缩短计算时间，们采用的方法是在较大的拓扑结构范围内，对每一种网络模型的训练都计算5次，得到预报误差(R为ISE)随较大范围的网络拓朴结构的分布情况，据这一分布结果确定出一个较小的“网络拓扑结构”的范围，然后再对较小的“拓扑结构”范围的每个模型重复训练25次，找到最佳的拓扑结下面是我们在LODR加大气的预报中，对跨度为365天的预报所作的试验结
【参考文献】：
期刊论文
[1]Atmospheric and Oceanic Excitations to LOD Change on Quasi-biennial Tune Scales[J]. Li-Hua Ma, De-Chun Liao and Yan-Ben Han National Astronomical Observatories, Chinese Academy of Sciences, Beijing 100012; Shanghai Astronomical Observatory, Chinese Academy of Sciences, Shanghai 200030. Chinese Journal of Astronomy and Astrophysics. 2006(06)
[2]Chandler摆动激发函数的统计特性[J]. 廖德春,廖新浩,周永宏. 科学通报. 2004(22)
[3]地球无线电掩星观测及其在航天技术中的应用[J]. 张训械,胡雄,吕级三. 导弹与航天运载技术. 2004(05)
[4]基于BP神经网络的预测建模系统的研究与实现[J]. 张烈平,周德俭,牛秦洲. 计算机仿真. 2004(09)
[5]基于BP神经网络的交通影响预测模型[J]. 裴玉龙,王晓宁. 哈尔滨工业大学学报. 2004(08)
[6]非线性混沌时序的神经网络预测与控制算法研究[J]. 蒋伟进. 计算机应用与软件. 2004(04)
[7]神经网络的预测性能的优化分析[J]. 雷正伟,徐章遂,米东,刘美全. 计算机测量与控制. 2004(01)
[8]海洋和大气对Chandler摆动激发的贡献[J]. 廖德春,廖新浩,周永宏. 地球物理学报. 2003(04)
[9]国内外ENSO监测和预测技术分析[J]. 翟盘茂. 浙江气象科技. 2003(02)
[10]天文观测已检测到2002年的弱El Ni■o事件[J]. 廖德春,周永宏,廖新浩. 科学通报. 2003(11)
本文编号：3488989
本文链接：https://www.wllwen.com/kejilunwen/tianwen/3488989.html
