基于平均矩阵元法的RBF网络降水预报模型.pdfVIP

2013年6月 广西师范学院学报：自然科学版 Jun．2013 of sci蚰ce 第30卷第2期 Jo盯nal Ema佃V01．30No．2 G咖四1．eKhe璐Edu∞tIonUni他礴ity：Nat哪l 文章编号：1002—8743(2013)02一0048一07 基于平均矩阵元法的RBF网络降水预报模型。 李洁1，彭昱忠2，蒋林利1 (1．广西柳州师范高等专科学校数计系，广西柳州545004； 2．广西师范学院科学计算与智能信息处理广西高校重点实验室，广西南宁530023) 摘要：针对径向基神经网络(RBF NN)的隐节点数难确定的问题，提出了一种基于相似矩阵确定RBF网络 隐层节点数的新方法。采用基于输入输出全部信息的模糊相似矩阵的平均矩阵元法自适应确定隐节点数。建立 自动确定隐节点数、中心、宽度、权值等网络参数的RBF网络降水预报模型，对广西5月的平均日降水量进行仿真 实验，结果表明，该方法确定的隐节点数，网络规模较小，模型切实可行，在预报性能上明显优于同期的T213(中国 气象局的全球中期天气数值预报产品预报值)降水预报，可为RBF神经网络隐节点数确定提供新思路，在降水预 报上有一定的参考价值。 关键词：相似矩阵；平均矩阵元；隐节点确定；径向基函数神经网络}降水预报 中图分类号：TP312文献标识码：A o 引 言 频繁出现的干旱和洪涝灾害严重影响和制约了我国经济的发展，因此提高降水预报的准确率成为 众多学者竞相研究的课题。然而，对于呈复杂非线性变化的降水趋势，每日降水量难以预测。中国气象 局的T213模式预报以及相继被提出的一批降水预测模型，都希望能构建基于历史气象资料的稳定、准 basis 确且泛化能力好适用性强的降水预报模型。自20世纪90年代以来，径向基神经网络(Radial functionneural network，简称：RBFNN)以其高度的自适应和非线性逼近能力被广泛应用于大气科学 领域‘1|。 RBF神经网络的难点是隐节点数、中心、宽度以及权值等参数的确定。中心的确定，普遍采用K均 值聚类选择出中心，但是需要事先确定好隐节点数目，即K的具体值。因此首要难点是隐节点数的确 定，目前缺乏一套科学的理论体系指导。隐层节点数少，无法达到网络的希望精度；而隐层节点数过多， 则会导致网络的泛化能力变差，甚至出现过拟合等。具体应用中，在隐节点数的确定上，目前一般使用 的方法有反复试凑、Kolmogorov定理、增长法或修剪法等。然而，反复试凑浪费大量的人力和时间， K01mogorov定理下确定的值通常无法达到满意的效果，而增长法和修剪法由于设定的初始值要么太小 要么太大，达到较优时也需要花费很大的工作量。文献[5—7]针对此提出了不同的方法，为隐节点的确 定提供了新的途径。本文提出一种新的方法，利用训练样本输入输出的全部信息来构造样本之间的相 似关系矩阵，采用基于模糊聚类相似矩阵的平均矩阵元法确定分类数，将其作为RBF神经网络隐层节 点数。 本文自适应构造了一个能自动确定隐节点数、中心、宽度和权值，不需要人为干预试凑的RBF神经 网络预测模型。考虑到直接将众多的降水影响因子建模会导致网络规模太庞大，训练速度降低，网络性 能变差，因此，先对降水影响因子进行了核主成分降维然后再建模。仿真实验证明，该模型网络规模小， 预测精度较高，比中国气象局的全球中期天气数值预报产品预报值(T213)模式预报效果更好。 收稿日期：2013一03一01 高等专科学校项目(N0．LSZ2012B003) 作者简介：李洁(1980一)，女，讲师，硕士，研究：神经网络与气象建模(1日ie980522 万方数据 第2期 李浩，等：基予平