基于深度学习的气象温度预测研究

发布时间：2017-07-03 08:27

  本文关键词：基于深度学习的气象温度预测研究

  更多相关文章： 深度神经网络 气象温度预测 浅度神经网络 支持向量机

【摘要】：气象温度预测即是气象预测的重点问题,也是难点问题,对社会生产生活实践有着巨大的影响,是一项具有挑战性和深远意义的工作。随着气象数据观测技术手段的不断进步,气象数据呈现了爆炸性增长,这给遭遇了发展瓶颈的气象预测技术带来了新的机遇和挑战。针对上述情况,本文基于能够适应海量数据的深度学习的方法,通过实验对比分析的研究方法,对气象温度预测问题进行研究和探索。在本文中介绍了相关的深度学习的模型和气象温度预测的理论,并通过对比实验,证明了深度学习相关模型在气象温度预测上的可行性和对比于浅度神经网络和支持向量机等传统气象温度预测方法的优越性,获得了较好的研究成果。随后,根据上面实验的成果,本文又提出了基于支持向量机模型对深度学习模型进行改进的方法,并且实验证明了该改进算法的有效性和可用性。本文的研究内容为今后深度学习的相关方法在气象温度预测实践技术上的应用和发展提供了一定的理论基础。
【关键词】：深度神经网络 气象温度预测 浅度神经网络 支持向量机
【学位授予单位】：宁夏大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P457.3;TP183
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-13
• 1.1 研究背景与意义7-8
• 1.1.1 研究背景7
• 1.1.2 研究意义7-8
• 1.2 国内外研究现状8-12
• 1.2.1 气象预测研究现状8-9
• 1.2.2 深度学习研究现状9-12
• 1.3 研究内容12
• 1.4 结构安排12-13
• 第二章 相关理论介绍13-21
• 2.1 神经网络相关理论介绍13-15
• 2.1.1 神经网络结构13
• 2.1.2 设计数据流的起始和终点13-14
• 2.1.3 隐藏层包含单元数设计14
• 2.1.4 初始权值的选择14-15
• 2.2 支持向量机相关理论介绍15-16
• 2.2.1 支持向量机简介15-16
• 2.2.2 LibSVM简介16
• 2.3 深度学习相关理论介绍16-20
• 2.3.1 深度学习网络模型16-20
• 2.3.2 深度学习算法策略20
• 2.4 本章小结20-21
• 第三章 数据来源及预处理21-25
• 3.1 数据来源21-22
• 3.2 有效数据选取22
• 3.3 数据标准化及数据划分22-24
• 3.3.1 数据标准化22-23
• 3.3.2 数据划分23-24
• 3.4 本章小结24-25
• 第四章 气象温度预测实验设计与实现25-31
• 4.1 实验环境25
• 4.2 基于传统预测方法的实验实施25-27
• 4.2.1 基于浅层神经网络的实验实施25-26
• 4.2.2 基于支持向量机的预测方法实施26-27
• 4.3 基于深度学习模型的预测方法实施27-30
• 4.3.1 SAE模型27-29
• 4.3.2 DBN模型29-30
• 4.3.3 基于支持向量机改进的深度学习气象预测模型30
• 4.4 本章小结30-31
• 第五章 实验结果对比与分析31-44
• 5.1 浅度神经网络实验结果与分析31-34
• 5.1.1 浅度神经网络实验结果31
• 5.1.2 浅度神经网络实验分析31-34
• 5.2 支持向量机实验结果与分析34-37
• 5.2.1 支持向量机实验结果34-36
• 5.2.2 支持向量机实验分析36-37
• 5.3 深度学习方法实验结果与分析37-42
• 5.3.1 SAE(Sparsity Auto Encoder)方法实验结果与分析37-39
• 5.3.2 DBN(Deep Belief Network)方法实验结果与分析39-41
• 5.3.3 基于支持向量机改进的深度学习气象温度预测实验结果与分析41-42
• 5.4 改进的算法与原始深度学习方法和传统方法比较42-43
• 5.5 本章小结43-44
• 第六章 总结与展望44-46
• 6.1 总结44
• 6.2 不足与展望44-46
• 6.2.1 本文存在的不足之处44-45
• 6.2.2 深度学习在气象预测方向上的展望45-46
• 参考文献46-49
• 致谢49-50
• 个人简历50
• 攻读硕士学位期间发表的学术论文50

【相似文献】

中国期刊全文数据库 前4条

1 徐凌宇;方晓君;徐仁杰;沈立炜;;基于时序挖掘的时间融合算法及在海表面温度预测中的应用[J];上海大学学报(自然科学版);2007年05期

2 王先铭;赵哲身;;被动通风系统建模与室内温度预测[J];上海大学学报(自然科学版);2012年02期

3 范显峰,姜兴渭;基于模型的卫星热控制系统温度预测与故障诊断[J];高技术通讯;2002年04期

4 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 李沁笛;赵彬;;基于相似理论的高大空间工作区平均速度温度预测[A];全国暖通空调制冷2010年学术年会论文集[C];2010年

中国硕士学位论文全文数据库 前4条

1 刘鑫达;基于深度学习的气象温度预测研究[D];宁夏大学;2016年

2 尹彬;高温矿井风流温度预测分析及应用[D];辽宁工程技术大学;2012年

3 潘亮;基于嵌入式系统的机场跑道温度预测系统的研究与开发[D];大连海事大学;2013年

4 高杏梅;煤矿井下设备温度预测及预警系统研究[D];西安科技大学;2014年

  本文关键词：基于深度学习的气象温度预测研究

  更多相关文章： 深度神经网络 气象温度预测 浅度神经网络 支持向量机

，

本文编号：512987