基于粗集與條件數(shù)的模糊神經(jīng)網(wǎng)絡(luò)降水預(yù)報(bào)方法研究.pdf

1、廣西師范大學(xué)碩士學(xué)位論文基于粗集與條件數(shù)的模糊神經(jīng)網(wǎng)絡(luò)降水預(yù)報(bào)方法研究姓名：史旭明申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：概率論與數(shù)理統(tǒng)計(jì)指導(dǎo)教師：金龍楊善朝20070401II了不同預(yù)報(bào)因子的逐步回歸預(yù)報(bào)方程。由預(yù)報(bào)試驗(yàn)的對(duì)比得到，在建模樣本和獨(dú)立預(yù)報(bào)樣本完全相同的情況下，逐步回歸預(yù)報(bào)方法對(duì)兩個(gè)月56天降水的獨(dú)立樣本預(yù)報(bào)平均絕對(duì)誤差為7.21mm（9個(gè)因子）和6.09mm（10個(gè)因子），相比之下要大于采用屬性約簡(jiǎn)和條件數(shù)法選擇預(yù)報(bào)因子建立的模糊神經(jīng)網(wǎng)

2、絡(luò)預(yù)報(bào)模型的預(yù)報(bào)誤差。逐步回歸方法之所以預(yù)報(bào)精度不高一方面主要是由于在建模時(shí)只考慮了對(duì)回歸模型有顯著性影響的預(yù)報(bào)因子，而沒有考慮預(yù)報(bào)因子之間的復(fù)相關(guān)關(guān)系等信息，從而影響了預(yù)報(bào)模型的預(yù)報(bào)能力；另一方面由于大氣降水預(yù)報(bào)受到大氣運(yùn)動(dòng)的熱力、動(dòng)力、水汽條件等綜合因素的影響，具有明顯的非線性變化特點(diǎn)，逐步回歸方法不能反映預(yù)報(bào)因子與預(yù)報(bào)量之間的非線性關(guān)系，最終導(dǎo)致預(yù)報(bào)結(jié)果不如模糊神經(jīng)網(wǎng)絡(luò)模型。本文在建立模糊神經(jīng)網(wǎng)絡(luò)降水預(yù)報(bào)模型時(shí)采用的是前饋型模糊神

3、經(jīng)網(wǎng)絡(luò)，并利用前饋網(wǎng)絡(luò)的BP算法來調(diào)整參數(shù)。前饋型FNN采用的是多層前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，可實(shí)現(xiàn)模糊映射關(guān)系。綜合分析以上結(jié)果，論文提出的采用粗糙集屬性約簡(jiǎn)和條件數(shù)計(jì)算分析2種方法，提取數(shù)量較少的幾個(gè)預(yù)報(bào)因子來構(gòu)造模糊神經(jīng)網(wǎng)絡(luò)輸入矩陣，使模糊神經(jīng)網(wǎng)絡(luò)模型輸入節(jié)點(diǎn)大大減少，并有效減少節(jié)點(diǎn)之間重復(fù)信息和噪聲輸入，起到了顯著的降維去噪作用。在實(shí)際的水文、交通、經(jīng)濟(jì)和地質(zhì)災(zāi)害等許多方面預(yù)報(bào)建模研究中，都會(huì)遇到面臨眾多初選預(yù)報(bào)因子，而如何從中選擇更合