[發明專利]一種基于神經網絡的降水預測方法、裝置和計算機設備

在審

• 申請號: 202111494096.8
• 申請日: 2021-12-08
• 公開（公告）號: CN114169502A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 蒙芳秀;覃碧莉;蘇健昌;吳俊皇;蔣宜蓉
• 申請（專利權）人: 桂林理工大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G01W1/10
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙) 61223
• 代理人: 韓曉娟

1.一種基于神經網絡的降水預測方法，其特征在于，包括：

獲取降水數據集；

基于邏輯回歸假設函數，構建邏輯回歸降水發生模型；并根據邏輯回歸降水發生模型，將降水數據集分為無降水日數據和有降水日數據；同時對于無降水日數據，輸出預測無降水；

基于徑向基神經網絡，構建徑向基神經網絡降水量預測模型；并將有降水日數據輸入徑向基神經網絡降水量預測模型中，輸出預測降水量。

2.如權利要求1所述的基于神經網絡的降水預測方法，其特征在于，所述降水數據集包括：降水影響因子；且所述降水影響因子包括：850hPa徑向風、緯向風、位勢高度場、相對濕度、比濕。

3.如權利要求1所述的基于神經網絡的降水預測方法，其特征在于，所述根據邏輯回歸降水發生模型，將降水數據集分為無降水日數據和有降水日數據，其步驟具體包括：

將降水數據集轉化為0/1屬性降水數據，并將0/1屬性降水數據分為實驗數據和測試數據；其中，0屬性降水數據為無降水日數據，1屬性降水數據為有降水日數據；

利用實驗數據訓練邏輯回歸降水發生模型；

將測試數據輸入訓練好的邏輯回歸降水發生模型中，獲得無降水日數據和有降水日數據。

4.如權利要求1所述的基于神經網絡的降水預測方法，其特征在于，所述將有降水日數據輸入徑向基神經網絡降水量預測模型中，輸出預測降水量，其步驟具體包括：

將有降水日數據分為實驗數據和測試數據；

對實驗數據進行訓練和參數優化；

將訓練和參數優化后的實驗數據輸入徑向基神經網絡降水量預測模型中，對徑向基神經網絡降水量預測模型進行訓練；并將符合誤差判斷范圍的輸出數據作為預測結果，不符合的輸出數據重新進行參數優化；

將測試數據輸入訓練好的徑向基神經網絡降水量預測模型中，輸出預測降水量。

5.如權利要求1所述的基于神經網絡的降水預測方法，其特征在于，所述邏輯回歸假設函數，具體包括：

將線性回歸的輸出記為：

z＝θ^Tx＝θ₁x₁+θ₂x₂+…+θ_nx_n

其中，θ為特征權重向量，x為特征向量；

引入sigmoid函數對應公式為：

經過sigmoid函數，將任意實數的輸入映射到[0，1]區間內，在線性回歸Z中得到一個預測值，再將該預測值映射到sigmoid函數中，完成由值到概率的轉換，因此，邏輯回歸的假設函數hθ(x)即為對應y＝1的概率值，表示為：

p(y|x；θ(x))＝(hθ(x)^y(1-hθ(x))^1-y

其中，當hθ(x)＝0.5時，預測y＝1，當hθ(x)0.5時，預測y＝0。