发明名称 |
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。 |
申请公布号 |
CN102622515A |
申请公布日期 |
2012.08.01 |
申请号 |
CN201210039115.2 |
申请日期 |
2012.02.21 |
申请人 |
北京联合大学 |
发明人 |
马楠;王汕汕;周林;邱正强;易璐璐;翟云;李萃华 |
分类号 |
G06F19/00(2011.01)I;G06N3/02(2006.01)I;G06F17/30(2006.01)I |
主分类号 |
G06F19/00(2011.01)I |
代理机构 |
北京驰纳智财知识产权代理事务所(普通合伙) 11367 |
代理人 |
谢亮;唐与芬 |
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。 |
地址 |
100101 北京市朝阳区北四环东路97号 |