[發明專利]一種混合神經網絡預測及識別景區氣象要素的方法

有效

• 申請號: 201310406711.4
• 申請日: 2013-09-10
• 公開（公告）號: CN103426026A
• 公開（公告）日: 2013-12-04
• 發明（設計）人: 劉道華;鄔長安;曾召霞;涂友超;蘭洋;余本海;王淑禮
• 申請（專利權）人: 信陽師范學院
• 主分類號: G06N3/02
• 分類號: G06N3/02
• 代理公司: 南京君陶專利商標代理有限公司 32215
• 代理人: 沈根水

技術領域

本發明涉及的是一種混合神經網絡預測及識別景區氣象要素的方法，屬于大氣科學技術領域和計算機應用技術領域。

背景技術

天氣是一定區域短時間段內的大氣狀態及其變化的總稱。天氣系統通常是指引起天氣變化和分布的高壓、低壓和高壓脊槽等具有典型特征的大氣運動系統。天氣系統總是處在不斷發生、發展和消亡的過程中，一個地區的天氣和天氣變化是大氣的動力過程和熱力過程的綜合作用的結果。

天氣預測是根據大氣科學的原理，運用現代氣候動力學、統計學等方法和電子計算機、數據庫、通信技術等手段，在研究天氣變異成因的基礎上，對月、季、年際時間尺度的氣候趨勢和氣候災害進行科學預測。天氣預測的結果為任何國家的政黨和政府制訂國民經濟發展計劃以及進行防災、減災、抗災決策提供科學依據。天氣預測可以幫助防止或者減少自然災害造成的人員傷亡和財產損失。對于防災減災、推動我國經濟的快速健康發展，促進社會經濟的可持續發展具有重要意義。

天氣預測從預測時間長短來分，主要有長期、中期、短期預測等幾種，而在天氣預測方法上主要采用的是統計預測方法較多，如多元回歸分析、時間序列分析、典型判別分析和均生函數方法等。一般來說，受地表、地勢、溫度、空氣分子、壓力、云層、風速和風向等眾多因素影響，再加上這些眾多因素的相互作用、相互影響和制約、多年的天氣變化難以預測，每天的天氣變化更是一個復雜的非線性過程，因而依靠一般的線性統計方法往往很難準確描述這些非線性問題。1987年，人工神經網絡開始在大氣科學領域中得以應用，美國Neural?Ware公司最早開發設計出針對天氣預測系統的人工神經網絡模擬程序，目前，包括中國氣象局的T213模式等一批天氣降水預測模型相繼被提出，這些模型都盡可能找到降水量與物理量預測因子之間的某些非線性關系以及內在的數據關系模式，以求得到效果更佳的預測效果。近年來，人工神經網絡方法迅速發展并在各行各業廣泛應用。由于其特殊的自組織性、自適應性以及優良的非線性映射性，顯示了優良的非線性處理能力，因此在天氣預測問題中被廣泛使用，而且該方法比普通的線性統計預測方法顯示出了更好地預測能力。

世界氣象組織（WMO）設置了世界氣象中心（WMCS）：墨爾本、莫斯科和華盛頓，下設25個分中心，北京是其中之一。通過世界氣象中心和分中心，全世界都可獲得氣象資料。我國的VSAT通訊網和計算機系統使用位于100.5度E的“亞洲衛星二號”靜止通信衛星建立的VSAT通訊網，其計算機網絡系統將分布在全國各地的計算機局域網連成一個較為完整的廣域網，在以上基礎上各臺站使用氣象信息綜合分析處理系統（MICAPS）獲得氣象數據。除了這種衛星獲得數據外，還能從遍布全國各地的地面雷達站和高空氣球采集獲得天氣數據。但由于某一局部地區受周圍環境條件的影響，如某一城區人口數量的變化、該地區植被覆蓋率的影響、各氣象觀測站對該地區空間距離以及該地區山脈、湖泊等因素的影響，所以各氣象觀測站獲得的數據對某一地區的氣象要素變化較大，這樣因素都直接影響到該局部地區的氣象要素值。目前國內基本上達到每一個縣級以上的城市均建有氣象自動觀測站，每一個氣象觀測站負責收集、上傳該地區的氣象要素數據，但某一重要風景區內天氣預測也相當重要，為了節約建站成本，以某一景區周圍氣象觀測站歷史數據建立預測模型，并以較高精度地預測該景區天氣要素的方法將是本發明的重點內容。

發明內容??

本發明提出的是一種混合神經網絡預測及識別景區氣象要素的方法，其目的旨在克服傳統基于統計技術的不足，可在某一景區周圍n個氣象觀測站獲得的歷史氣象要素數據基礎上，采用減聚類算法，獲得每個觀測站的主要氣象要素數據的聚類中心，采用混沌粒子群優化算法獲得每個觀測站主要氣象要素的徑向基神經網絡預測模型，綜合考慮每個氣象觀測站對某一景區局多軟因素的影響，建立該景區氣象要素的回歸模型，以調整該景區的氣象要素值，最后采用ART2網絡識別及記憶該景區的天氣狀態。

本發明的技術解決方案，一種混合神經網絡預測及識別景區氣象要素的方法，包括以下步驟：

⑴每個氣象觀測站每1小時整點收集的數據包括氣象觀測要素中的氣溫、風速、風向、降水、濕度、氣壓、能見度、地面溫度為5cm地溫、10cm地溫、15cm地溫、40cm地溫以及0.8m地溫、云量、蒸發量、云高、雪深、日照輻射、霧以及霾，這些氣象要素值輸入給計算機，進行數據處理；選出不同時期的主要氣象要素值構建網絡訓練樣本集，并依據觀測數據各自特征對訓練樣本集進行歸一化處理；對被量化的數據所采取的歸一化處理變換公式為：