一种天气预测方法

摘要

本发明公开了天气预测方法，通过提供气温信息值，将气温信息值归一化，建立训练样本的输入输出矩阵，基于所述输出矩阵，利用神经网络进行天气预测等步骤实现天气预测。使用的改进算法可自动判别原始训练数据模式，并对其进行样本建立和归一化。该方法可适用于多种复杂情境，灵活性高，不需要提供辅助数据完成预测，预测结果可恢复至与原始训练数据相对应的数值范围。

主权项

一种基于BP神经网络的天气预测方法，包括以下步骤：步骤1、接收原始训练数据矩阵和训练时长参数；步骤2、初始化数据，包括设定学习速率、期望误差、训练的最大次数、惯性系数、隐含层和输出层各神经元输出初值，根据原始数据动态得到矩阵行列数据p0；步骤3、获取每列训练数据的最大值maxv(j)与最小值minv(j)后对数据进行归一化处理，使原始数据规范到0到1之间；步骤4、根据原始训练数据得到训练样本的输入矩阵和输出矩阵；步骤5、随机初始化权值矩阵wki和wij，wki表示隐藏层到输入层的权值矩阵，wij表示输入层到隐藏层的权值矩阵；步骤6、计算隐藏层各神经元、输出层各神经元的输出；步骤7、计算每个输出和隐藏神经元计算输出的误差，反向传播更新网络中的权值；步骤8、重复步骤6，直到满足终止条件为止，该算法的终止条件为误差小于期望误差或训练次数大于最大设定值。