日长变化预报中bp神经网络拓扑结构的选择 - 上海天文台.pdfVIP

　　中　国　科　学　院　上　海　天　文　台　年　刊 ２００７年　总第２８期　　ＡＮＮＡＬＳＯＦＳＨＡＮＧＨＡＩＡＳＴＲＯＮＯＭＩＣＡＬＯＢＳＥＲＶＡＴＯＲＹ，ＣＡＳ 　 Ｎｏ．２８，　２００７ 日长变化预报中ＢＰ神经网络 拓扑结构的选择 １，２ １ １ １ 王琪洁 　廖德春 　周永宏 　廖新浩 （１．中国科学院上海天文台，上海２０００３０；　２．中南大学测绘与国土信息工程系，湖南长沙４１００８３） 提　　　要 日长变化的预报具有重要的科学意义和实际应用价值。非线性的人工神经网络技术中的反向 传播模型（ＢＰ网络）可用于预报日长变化。ＢＰ网络的拓扑结构决定了神经网络解决问题的能力， 针对不同的问题需要采用不同的网络结构。该文分析了神经网络的拓扑结构算法，选用最小均方 误差法确定网络的拓扑结构，并将此应用于日长变化预报。结果表明，该方法是可靠和有效的。 主题词：日长变化— 神经网络— ＢＰ网络— 最小均方误差法 ＋ 分类号：Ｐ１２７．１５，Ｏ１５７．５ １　引　　言 日长变化的预报具有重要的科学意义和实际应用价值，尤其是现代空间导航和深空探测 等的发展对日长变化的实时监测和预报的需求日益增长。传统的预报日长变化的方法是线性 时间序列分析方法，它是通过对日长变化的时间序列进行分析以确定日长变化的统计特性，然 后据此对其未来的变化趋势作出外推或预测。然而由于地球自转变化复杂的时变特性，这种 分析方法往往难以取得良好的预报效果［１～３］。随着近２０多年来人工智能科学的蓬勃发展，人 们发现人工神经网络技术特别适用于分析和预报可能包含非线性作用的动力学过程，而这是 经典线性分析理论和方法所无法企及的，因此它在各种动力学系统的模式识别、系统控制、时 ［４，５］ 间序列分析和预报等领域中有着广泛的应用 。 目前神经网络已发展了４０多种模型。反向传播模型（ＢＰ网络）主要用于时间序列的预 ［４，５］ ［６］ 报 。Ｅｇｇｅｒ（１９９２）首次将人工神经网络用于地球自转参数（日长和极移）的预报工作 ，发 现了神经网络在预测准周期和不规则过程中蕴涵有巨大的潜力。Ｓｃｈｕｈ等人（２００２）运用斯图 加特神经网络模拟软件对地球自转参数做了短期与中长期预测［７］。结果表明，应用神经网络 技术进行地球自转参数的预报是较好的选择途径。近年来，我们应用神经网络技术，基于空间 技术测定的日长变化值和大气角动量（ＡＡＭ）的重新分析值进行日长变化的预报试验，大量的 模拟试验结果显示了大气角动量函数在日长变化非线性预报中的重要作用；利用日长变化测 定值和大气角动量的实时预报值，应用神经网络技术能够实现日长变化１～５日的实时快速预 收稿日期：２００７０７１３；　修回日期：２００７０７２５ 国家自然科学基金（ＮｏＮｏ项目资助课题。 ２４ 中 国科 学 院上 海 天 文 台年 刊　　　　　　　　　　　　　２００７年 报［８～１０］。 ＢＰ网络的应用非常广泛。在用它来解决实际问题（例如应用于日长变化预报）时，关键 在于ＢＰ网络拓扑结构（即网络的层数和每层应含有多少个神经元，也称ＢＰ网络结构）的选择 和训练算法的确定，其中网络拓扑结构的选择至关重要。如果网络的结构未选好，即使对训练 算法作了很多改进，网络性能也难有大的提高。ＢＰ网络的拓扑结构决定了神经网络解决问题 的能力。针对不同的问题需要采用不同的网络结构。本文主要详细介绍日长变化预报中神经 网络拓扑结构的选择。 ２　ＢＰ网络拓扑结构优化算法 ２．１ＢＰ网络层数的选择 在ＢＰ算法被提出以后，人们对多层神经网络的能力进行了较多的研究。Ｌｉｐｐｍａｎｎ ［１１］ （１９８７）指出三层网络可以用来