循环神经网络在内蒙古地区沙尘暴预测中的应用研究
发布时间:2021-06-14 03:39
沙尘暴包括沙暴和尘暴,常伴随着土地荒漠化而发生。其指的是一种不稳定强气流卷起地表的沙尘导致能见度降低的天气现象,具有突发性和危害性。沙尘暴在我国西北和华北地区多有发生。内蒙古地形狭长,横跨中国东北,华北,西北三大区域,其中西部是沙尘暴频发地区。沙尘暴治理方面主要通过恢复植被,保护环境来进行;预防方面,就要用到沙尘暴预警、预报等方法。近年来,借助计算机对气象资料进行分析建模逐步成为研究热点。循环神经网络(Recurrent Neural Network,RNN)是深度学习模型的一种,也被称为时间递归神经网络。由于气象数据具有属性多维性,不确定性,时空特性,周期性等特点,是典型的时间序列,用传统的数据分析方法对其进行处理分析很难获得良好的准确性。而循环神经网络可以很好的进行时间序列的建模,适用于大批量气象数据的分析处理。因此,本课题采用了循环神经网络对气象数据进行分析建模,预测内蒙古地区的沙尘暴天气现象,为提升沙尘暴预警水平提供一定程度的理论支持。本课题主要完成了以下工作:首先,将收集到的沙尘暴资料以及对应的日值气象资料进行了整合和预处理,主要包括:数据集成,数据降维,特征值处理和缺测值处...
【文章来源】:内蒙古工业大学内蒙古自治区
【文章页数】:91 页
【学位级别】:硕士
【部分图文】:
Sigmoid函数曲线图
内蒙古工业大学硕士学位论文10图2-3Tanh函数曲线图Figure2-3Tanhcurve图2-4Sigmoid函数与Tanh函数曲线图Figure2-4SigmoidandTanhcurve(3)ReLU激活函数ReLU激活函数(RectifiedLinearUnit),一般用于隐层神经元输出。其为分段线性函数,所有的非正值为0,所有的正值不变,这被称为单侧抑制。神经元在经过ReLU函数后,某些不变,某些输出零值,神经元之间的相互依赖关系会减弱,所以ReLU在一定程度上能缓解复杂模型的梯度消失和过拟合的问题[47]。其公式如式2-6所示,曲线如图2-5所示。()={,>00,≤0(2-6)
内蒙古工业大学硕士学位论文10图2-3Tanh函数曲线图Figure2-3Tanhcurve图2-4Sigmoid函数与Tanh函数曲线图Figure2-4SigmoidandTanhcurve(3)ReLU激活函数ReLU激活函数(RectifiedLinearUnit),一般用于隐层神经元输出。其为分段线性函数,所有的非正值为0,所有的正值不变,这被称为单侧抑制。神经元在经过ReLU函数后,某些不变,某些输出零值,神经元之间的相互依赖关系会减弱,所以ReLU在一定程度上能缓解复杂模型的梯度消失和过拟合的问题[47]。其公式如式2-6所示,曲线如图2-5所示。()={,>00,≤0(2-6)
【参考文献】:
期刊论文
[1]基于卷积神经网络与双向长短时记忆网络组合模型的短时交通流预测[J]. 徐先峰,黄刘洋,龚美. 工业仪表与自动化装置. 2020(01)
[2]基于循环神经网络的目标转弯机动类型识别[J]. 吴家湖,熊华,宗睿,赵曜,周贤中. 广东工业大学学报. 2020(02)
[3]卷积神经网络中的激活函数分析[J]. 赖策. 科学技术创新. 2019(33)
[4]近54年内蒙古自治区西部沙尘暴的变化趋势[J]. 马潇潇,王海兵,左合君. 水土保持通报. 2019(04)
[5]关于深度学习的综述与讨论[J]. 胡越,罗东阳,花奎,路海明,张学工. 智能系统学报. 2019(01)
[6]基于门限递归单元循环神经网络的交通流预测方法研究[J]. 王体迎,时鹏超,刘蒋琼,刘博艺,时天昊. 重庆交通大学学报(自然科学版). 2018(11)
[7]SDAE-LSTM模型在金融时间序列预测中的应用[J]. 黄婷婷,余磊. 计算机工程与应用. 2019(01)
[8]深度学习研究综述[J]. 张荣,李伟平,莫同. 信息与控制. 2018(04)
[9]基于循环神经网络的网络舆情趋势预测研究[J]. 孙靖超,周睿,李培岳,芦天亮. 情报科学. 2018(08)
[10]卷积神经网络的PM2.5预报模型[J]. 吴春霖,李琦,侯俊雄,KARIMIAN Hamed,陈工. 测绘科学. 2018(08)
硕士论文
[1]基于大数据技术的智能电网企业日用电量预测模型实现[D]. 郭彦男.广东工业大学 2019
[2]潮州气象手机网实况信息系统的设计与实现[D]. 蔡立青.电子科技大学 2015
[3]集成学习算法研究[D]. 马冉冉.山东科技大学 2010
本文编号:3228987
【文章来源】:内蒙古工业大学内蒙古自治区
【文章页数】:91 页
【学位级别】:硕士
【部分图文】:
Sigmoid函数曲线图
内蒙古工业大学硕士学位论文10图2-3Tanh函数曲线图Figure2-3Tanhcurve图2-4Sigmoid函数与Tanh函数曲线图Figure2-4SigmoidandTanhcurve(3)ReLU激活函数ReLU激活函数(RectifiedLinearUnit),一般用于隐层神经元输出。其为分段线性函数,所有的非正值为0,所有的正值不变,这被称为单侧抑制。神经元在经过ReLU函数后,某些不变,某些输出零值,神经元之间的相互依赖关系会减弱,所以ReLU在一定程度上能缓解复杂模型的梯度消失和过拟合的问题[47]。其公式如式2-6所示,曲线如图2-5所示。()={,>00,≤0(2-6)
内蒙古工业大学硕士学位论文10图2-3Tanh函数曲线图Figure2-3Tanhcurve图2-4Sigmoid函数与Tanh函数曲线图Figure2-4SigmoidandTanhcurve(3)ReLU激活函数ReLU激活函数(RectifiedLinearUnit),一般用于隐层神经元输出。其为分段线性函数,所有的非正值为0,所有的正值不变,这被称为单侧抑制。神经元在经过ReLU函数后,某些不变,某些输出零值,神经元之间的相互依赖关系会减弱,所以ReLU在一定程度上能缓解复杂模型的梯度消失和过拟合的问题[47]。其公式如式2-6所示,曲线如图2-5所示。()={,>00,≤0(2-6)
【参考文献】:
期刊论文
[1]基于卷积神经网络与双向长短时记忆网络组合模型的短时交通流预测[J]. 徐先峰,黄刘洋,龚美. 工业仪表与自动化装置. 2020(01)
[2]基于循环神经网络的目标转弯机动类型识别[J]. 吴家湖,熊华,宗睿,赵曜,周贤中. 广东工业大学学报. 2020(02)
[3]卷积神经网络中的激活函数分析[J]. 赖策. 科学技术创新. 2019(33)
[4]近54年内蒙古自治区西部沙尘暴的变化趋势[J]. 马潇潇,王海兵,左合君. 水土保持通报. 2019(04)
[5]关于深度学习的综述与讨论[J]. 胡越,罗东阳,花奎,路海明,张学工. 智能系统学报. 2019(01)
[6]基于门限递归单元循环神经网络的交通流预测方法研究[J]. 王体迎,时鹏超,刘蒋琼,刘博艺,时天昊. 重庆交通大学学报(自然科学版). 2018(11)
[7]SDAE-LSTM模型在金融时间序列预测中的应用[J]. 黄婷婷,余磊. 计算机工程与应用. 2019(01)
[8]深度学习研究综述[J]. 张荣,李伟平,莫同. 信息与控制. 2018(04)
[9]基于循环神经网络的网络舆情趋势预测研究[J]. 孙靖超,周睿,李培岳,芦天亮. 情报科学. 2018(08)
[10]卷积神经网络的PM2.5预报模型[J]. 吴春霖,李琦,侯俊雄,KARIMIAN Hamed,陈工. 测绘科学. 2018(08)
硕士论文
[1]基于大数据技术的智能电网企业日用电量预测模型实现[D]. 郭彦男.广东工业大学 2019
[2]潮州气象手机网实况信息系统的设计与实现[D]. 蔡立青.电子科技大学 2015
[3]集成学习算法研究[D]. 马冉冉.山东科技大学 2010
本文编号:3228987
本文链接:https://www.wllwen.com/projectlw/qxxlw/3228987.html