基于MATLAB工具箱的PCA-RBF广西降雨量预测模型研究-论文.pdf

《基于MATLAB工具箱的PCA-RBF广西降雨量预测模型研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、文章编号：1007—1423(2015)18—0007—04DOI：10．39696．issn．1007—1423．2015．18．002基于MATLAB工具箱的PCA—RBF广西降雨量预测模型研究李洁(广西柳州师范高等专科学校，柳州545004)摘要：利用MATLAB工具箱，采用主成分分析(PCA)与径向基函数(RBF)神经网络结合，构建广西一区(北部)五月的逐日降水预报模型。在2008年5月31天独立样本的预测检验中，预测的均方误差、最大绝对误差及平均绝对误差均低于同期的T213(q~国气象局的全球中期天气数值预报产品)模式，预报准确度更高。关键

2、词：主成分分析；RBF神经网络：逐日降水预测基金项目：广西高校科学技术研究项目(No．LX2014495)0引言众多学者探索短期降水预报的新方法[31。但是．对如何构造神经网络的学习矩阵问题，在人对气象预报进行建模研究．提高降水预报的准确工神经网络的理论研究中．并未有系统的理论说明．而度对国民经济的发展具有重大意义开展降水预测研且．学习训练收敛速度不快或不收敛等问题．前馈神经究．有助于减少或者防止洪涝灾害造成的人员伤亡和网络一直存在。而在短期的数值预报中。构造出能合理财产损失，促进社会经济的可持续发展。由于每天的降反映预报变化特征的学习矩阵至关重要的

3、[41本文利用水变化受地势、温度、空气分子、湿度、压力、云层、风速MATLAB工具箱，采用主成分分析(PCA)构造神经网和方向等众多因素影响．因子之间存在严重的相关性。络的学习矩阵，将径向基函数(RBF)和主成分分析这直接导致了预测的准确度【11。主成分分析(PCA)可以(PCA)相结合，建立广西一区(北部)的PCA—RBF逐日有效地消除变量因子之间的这种相关性另外．降雨量降水预报模型与其影响因子之间具有显著的非线性和时变性，一般的统计方法大多采用回归模型．主要针对解决线性问1基于PCA的RBF神经网络及其实现题．对这种非线性问题。很难揭示其变化规律

4、，采用传主成分分析t3-~(PrincipalComponentAnalysis．PCA)统的线性方法无法刻画出这种复杂的非线性阁如何找是一种多元统计方法．用于研究多个变量间相关性。其到一种有效的预测方法．是当前很多学者在探讨的关可以在保证数据信息丢失最少的前提下．研究出少数键。几个线性组合．将多变量的方差解释为几个主分量，这九十年代以来．人工神经网络研究在大气科学领些主分量彼此不相关．并且所代表的综合指标能尽可域取得了显著的成就其强大的自适应和优良的非线能多地保留原始变量的信息．从而达到减少数据维数性处理能力比普通的线性统计方法表现出了更好的预的目

5、的。报能力，更适合处理那些推理规则难确定、无规律的非径向基函数fRadialBasisFunction．RBF)神经网线性问题。因此，近年来，基于神经网络技术的数值预络是一个三层前馈型神经网络。具有计算量小、学习速报越来越多地被广泛应用到短期天气预报中．成为了现代计笪机，n1异nR卞国度快的特点RBF神经网络具有良好的泛化能力，具有的RxN维矩阵：T为目标输出向量，由N组目标向量全局逼近的性质。且不存在局部最小问题．在一定程度组成的SxN维矩阵；preads为RBF的扩展常数，默认上避免了BP神经网络学习过程冗长、容易陷入局部极值为1；goal为网络

6、的均方误差，默认值为0；MN为网值的问题翻RBF神经网络由三层构成：输入层、隐含层络学习过程中神经元的最大数目，默认为N；DF为两和输出层可实现隐含层的非线性映射和输出层的线次显示之间所增加的神经元数目，默认值为25：net为性映射能在确定的基函数作用下，对靠近基函数中心函数最终返回值．代表一个学习好的径向基网络。的输人信号产生响应其网络结构如图1所示。在RBF神经网络学习过程中．函数newrb设计的径向基网络net可用于函数逼近，无需指定隐层节点数．网络能够根据设定的目标误差，自适应地增加RBFXl网络的隐层节点数．直到满足目标误差要求。故网络学y

7、lx2习能力比BP网络优越。X3Ym(3)sire功能：RBF神经网络仿真函数Xn调用格式为：Y=sim(net，X)输入层隐藏层输出层其中．net为newrb已经学习好的网络，x为输入的测试矩阵．Y为预测值。图1径向基函数网络结构图2降水预测模型的建立作为一款为科学和工程计算而专门设计的大型交2．1降水数据来源互式计算工具软件，MATLAB集数据处理、数值计算、广西地形复杂，五、六月为全年的主要降水月，降算法开发、可视化及计算机仿真为一体。在MATLAB7水时间长且雨量大。加上频临沿海，降水复杂，具有全的神经网络工具箱中，包含了丰富的神经网络模型，

8、提区降水分布不均匀的特点．为了准确地预测各区域降供各种神经网络的设计和拟合的函数下面介绍下模雨量．把广西分成