基于人工智能的台风增水预报系统优化和应用研究.doc

基于人工智能的台风增水预报系统 优化和应用研究 文字目录 中文摘要 I Abstract I 1 前言 1 1.1 选题的由来 1 1.2 国内外研究现状 2 1.3 研究区域概况 3 1.4 课题的主要研究内容 4 2 研究的理论基础及方法 5 2.1 人工神经网络 5 2.2 标准BP网络的改进 6 2.3 主分量分析 7 3 技术路线设计 8 3.1 预报因子分析 8 3.2 神经网络参数选择 9 3.3 预报过程设计 9 4 主要研究过程 11 4.1 数据标准化处理 11 4.2 主分量学习矩阵的建立 11 4.3 神经网络模型建立 11 4.4 预报结果分析 12 4.5 2009年“莫拉克”台风增水检验 13 5 结论及展望 14 6 参考文献 15 中文摘要 该文在分析上海独特的地理位置以及台风水灾主要影响因子的基础上，从人工智能的角度提出了一种新的台风水灾预报方法，利用人工神经网络算法来模拟人工预报员的经验，并通过计算机实现上海地区台风增水的智能预报。在标准BP神经网络的基础上，对BP网络进行了改进并采用主分量BP网络来提高网络的泛化能力，减少网络的训练时间，加快网络收敛。 结果表明，将人工神经网络技术应用于黄浦公园水位站的台风增水预报，可以借助计算机强大的计算功能模拟专家的思维过程，同时使用主分量分析构建神经网络输入因子，可以有效地减少重复信息和噪声，增加神经网络的泛化能力，其预报客观、稳定，预报精度接近目前业务中使用的人工经验预报，可以在业务中应用。 关键词：台风水灾、人工神经网络、BP算法、主分量分析Abstract Based on the unique geographical position of Shanghai and the main factors of storm flood, a new method of storm flood forecasting is brought up from the angle of artificial intelligence. Artificially forecasters experience is simulated by artificial neural network algorithm and through calculating to forecast the storm surge intelligently in Shanghai area. Based on the BP neural network, BP network is conducted additional momentum, and used adaptive principal component to increase network generalization ability. At the same time, it reduces training time of network and accelerates convergence. The results show that the application of the artificial neural network for the storm surge forecast of Huangpu Park Hydrological Station can simulate forecasters’ thinking process by the powerful calculating function of computer. At the same time, principal components analysis is used to build the input factors of neural network can decrease the repeating information and noise efficiently in order to increase the generalization ability of neural network. The forecasting precision is close to artificially experience predictive accuracy now used in business. Key words: typhoon flood; artificial neural network; BP network; principal component analysis前言 选题的由来 当前，地球气候变暖问题已经引起世界各国领导人对地球未来的担