基于径向基概率神经网络的气象参数状态识别

基于径向基概率神经网络的气象参数状态识别

ID:3922065

大小:249.11 KB

页数:4页

时间:2017-11-25

基于径向基概率神经网络的气象参数状态识别_第1页
基于径向基概率神经网络的气象参数状态识别_第2页
基于径向基概率神经网络的气象参数状态识别_第3页
基于径向基概率神经网络的气象参数状态识别_第4页
资源描述:

《基于径向基概率神经网络的气象参数状态识别》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于径向基概率神经网络的气象参数状态识别漆随平,等基于径向基概率神经网络的气象参数状态识别IdentifyingtheStatesofMeteorologicalParametersBasedonRadialFunctionProbabilisticNeuralNetwork漆随平于慧彬刘涛李小峰王东明(山东省科学院海洋仪器仪表研究所,山东青岛266001)摘要:局部气象参数实时数据是船舶航行、飞机起降所需要的非常重要的海洋气象参数。这些参数实时数据中的奇异数据对航行导航可能会导致危险后果。提出了一种基于径向基概率神经网络的气象重要参数状态识别方法用来识别奇异数据。将气象参数实时数

2、据作为神经网络的输入,参数对应状态作为输出,通过对径向基概率神经网络模型训练,实现数据状态识别,将故障奇异数据进行有效识别。保证了气象观测系统输出数据的可靠性。实验结果表明,该方法可靠,且具有较好的泛化能力,能够实现气象参数实时数据状态的有效识别。关键词:气象参数概率神经网络径向基函数状态识别数据分类中图分类号:TH765文献标志码:AAbstract:Localrealtmiedataofmajormeteorologicalparametersareverymiportantandnecessaryforsailingofboatsandships,aswellastaking

3、offandlandingofaircrafts.Theodddataoccursintheserealtmiedatamaybringunexpectedanddangerousaccidenttonavigation.Anovelapproachbasedonradialbasisprobabilisticneuralnetworktoidentifytheseodddataisproposed.Therealtmiedataofmeteorologicalparametersareusedastheinputoftheneuralnetwork,andthecorrespo

4、ndingstatesareusedastheoutpu.tThroughradialfunctionprobabilisticneuralnetworkmodeltraining,stateidentificationismiplemented,andthereliabilityoftheoutputdataisguaranteed.Theexpermientalresultindicatesthatthemethodisreliableandiscapableforrealtmiedatastateidentificationandevenforgeneralization.K

5、eywords:MeteorologicalparametersProbabilisticneuralnetworkRadialbasisfunctionStateidentificationDataclassification大气基本物理状态的宏观物理量如气压、绝对0引言温度及密度符合理想气体状态方程,风速与绝对温[7]风速、湿度、气压和温度等气象参数是船舶航度、密度也符合一定的函数关系。根据这些气象行、飞机起降所需要的重要参数,实时监测这些参数参数之间显式或隐式关系,可以对所观测的同一时[1]对船舶航行、飞机起落起着非常重要的指导作用。刻下各个参数值进行状态识别,以识别出某些参

6、数目前传统气象观测系统都是将监测到的实时数据传中的故障或非正常值。因此,设计算法使计算机能输到数据中心,在数据中心通过人工或计算机进行够通过对已知数据的学习,找到数据内在相互依赖处理。而在这些实时数据中,经常存在因传感器故的关系,从而对未知数据进行预测或对其性质进行障、系统受干扰等原因引起的奇异数据。这些奇异判断。数据对航行和飞机起降有时会引起严重后果。随着本文利用径向基概率神经网络(RBPNN)实现气电子、信息、人工智能及其计算机相关专业领域的快象参数观测数据映射,将状态变量显式地表达在代价速发展,船舶航行、飞机起落也向信息技术集约化、泛函中。在实际在线学习过程中,将风速、温度、

7、湿度、智能化等方向发展。因此,对气象参数的观测不仅气压等实时参数作为识别模型的输入,输出为每个参要实现在线监测的基本功能,而且需要对原始数据数的状态识别。即对每个参数是否为奇异值进行识进行处理,将非正常数据进行自动识别、剔除和预别。通过离线和在线的学习,可靠地识别参数状态,实警。现对奇异值进行剔除和报警处理。1径向基概率神经网络及其算法山东省科学院博士基金项目(编号:2006003)。修改稿收到日期:2008-02-25。径向基概率神经网络具有结构简单、训练快捷第一作

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。