第八章人工神经网络天气预报方法.doc

人工神经网络天气预报方法 线性感知器天气预报方法 功能 线性感知器(Perceptron)是最类似于线性回归的一种建立信息与信息之间联系的数学模型的方法，和线性回归不同的是它可以自学习，因此，线性感知器是一种可以自学习的建模方法，由于它只有一层，因此，有时也称其为单层线性感知器网络。 方法说明 线性感知器算法 子程序语句 SUBROUTINE annetbp(LR,A,B,BT1,BT2) 哑元说明 LR 整数型变量，人工神经元特性函数，即人工神经网络特性标记。LR=0为非线性网络，LR=1为线性网络。 A 二维实型数组，存放晴天预报因子样本，第一维为因子数，第二维为晴天样本数。 B 二维实型数组，存放雾天预报因子样本，第一维为因子数，第二维为雾天样本数。 BT1 二维实型数组，存放晴天预报因子检验样本，第一维为因子数，第二维为晴天检验样本数。 BT2 二维实型数组，存放雾天预报因子检验样本，第一维为因子数，第二维为雾天检验样本数。 子程序 SUBROUTINE annetbp(LR,A,B,BT1,BT2) PARAMETER (NUM=3005,NFA=31,NF=256,NUMT=546,NUMTF=60) DIMENSION X(NUM,NFA),W1(40,20),W2(20),YY(NUM),ess(20), * HMAX(NFA),HMIN(NFA),POSITION(NFA),EY(20), * X0(NUM,NFA),CT(NUMT,NFA),YYT(NUMT) DIMENSION ,A(NFA,2749),B(NFA,NF),BT1(NFA,NUMT-NUMTF), * BT2(NFA,NUMTF) INTEGER S,SIGN,SIGN1,POSITION,LR F(z)=1.0/(1+EXP(-z)) F1(Z)=Z C 计算网络连接权矢量 DO J=1,20 DO I=1,40 CALL RANDOM_NUMBER(W1(I,J)) ENDDO CALL RANDOM_NUMBER(W2(J)) ENDDO DO 209 II=1,NUMT-NUMTF DO 109 JJ=1,NFA CT(II,JJ)=BT1(JJ,II) YYT(II)=0 109 CONTINUE 209 CONTINUE do 219 II=NUMT-NUMTF,NUMT DO 119 JJ=1,NFA CT(II,JJ)=BT2(JJ,II-NUMT-NUMTF) YYT(II)=1 119 CONTINUE 219 CONTINUE print*,进入BP神经网络训练 DO 11 J=1,NFA DO 12 I=1,NF X(11*I-10,J)=A(J,I) X(11*I-9,J)=A(J,I) X(11*I-8,J)=A(J,I) X(11*I-7,J)=A(J,I) X(11*I-6,J)=A(J,I) X(11*I-5,J)=A(J,I) X(11*I-4,J)=A(J,I) X(11*I-3,J)=A(J,I) X(11*I-2,J)=A(J,I) X(11*I-1,J)=A(J,I) X(11*I,J)=B(J,I) YY(11*I-10)=0 YY(11*I-9)=0 YY(11*I-8)=0 YY(11*I-7)=0 YY(11*I-6)=0 YY(11*I-5)=0 YY(11*I-4)=0 YY(11*I-3)=0 YY(11*I-2)=0 YY(11*I-1)=0 YY(11*I)=1 12 CONTINUE do 15 i=2817,NUM x(i,j)=a(j,i) yy(i)=0.0 15 continue 11 CONTINUE DO 20 J=1,NFA POSITION(J)=J 2