基于GA-BP神经网络的全球气温预测

发布时间：2021-04-24 05:28

　　建立BP神经网络和遗传算法（GA）BP神经网络气候预测模型,利用1890-2019年全球平均气温及气温影响因子数据,对2020-2044年气候进行预测估计,并对两种气温预测模型的结果进行对比与分析。结果表明:（1）未来气温将持续上升;（2）BP神经网络和GA-BP神经网络均能较好拟合实际值;（3）BP神经网络预测值与实测值之间的平均误差为1.47%,而利用GA-BP神经网络对气温进行预测时,平均误差仅为0.65%。因此,GA-BP神经网络在处理时间序列数据预测时具有较高预测精度,能够有效指导我国未来绿色发展政策制定。 

【文章来源】：郑州航空工业管理学院学报. 2020,38(06)

【文章页数】：9 页

【文章目录】：
一、数据的来源与预处理
    （一）异常值检验与剔除
    （二）归一化处理
二、研究方法
    （一）BP神经网络
        1.训练集和验证集
        2.三层BP神经网络结构
        3.BP神经网络的参数设置
    （二）GA-BP神经网络
        1.种群初始化
        2.适应度函数
        3.选择操作
        4.交叉操作
        5.变异操作
        6.GA-BP神经网络流程
        7.GA-BP神经网络的参数选择
三、BP神经网络及GA-BP神经网络预测结果
    （一）影响因子时间序列预测结果
    （二）BP神经网络及GA-BP神经网络气温预测结果
    （三）验证两种算法预测全球平均气温的精准度
四、结论与展望


【参考文献】：
期刊论文
[1]粒子群优化的神经网络在夏季降水预测中的应用[J]. 吴有训,束长汉,陶曙华,王周青,章爱国,汪小逸,陈平.  中国农学通报. 2013(05)
[2]基于遗传算法的神经网络短期气候预测模型[J]. 金龙,吴建生,林开平,陈冰廉.  高原气象. 2005(06)
[3]中国气温变化研究最新进展[J]. 任国玉,初子莹,周雅清,徐铭志,王颖,唐国利,翟盘茂,邵雪梅,张爱英,陈正洪,郭军,刘洪滨,周江兴,赵宗慈,张莉,白虎志,刘学峰,唐红玉.  气候与环境研究. 2005(04)



本文编号：3156768