神经网络预报模型的过拟合研讨.pdfVIP

神经网络预报模型的过拟合研究* 金 龙 况雪源 黄海洪 覃志年 王业宏 ( 广西气象减灾研究所 南宁 530022; 广西气候中心 南宁 530022; 南京气象学院 南京 210044) 摘 要 针对神经网络方法在预报建模中存在的 过拟合 (overfitting)现象和提高泛化性能 generalization capability 问题 提出了采用主成分分析构造神经网络低维学习矩阵的预报建模方法 研究结果表明 这种新的神经网络预报建模方法 通过浓缩预报信息 降维去噪 使得神经网络的预报建模不需要进行 适宜隐节点数的最优网络结构试验 没有 过拟合 现象 并且与传统的神经网络预报建模方法及逐步 回归预报模型相比泛化能力有显著提高 关键词 神经网络 泛化性能 过拟合现象 预报建模 1 引言 20世纪90年代以来 国内外在气象学科中开展了很多有关神经网络预报建模和气候分析等 应用研究[1-5] 然而随着神经网络方法在大气科学领域应用研究的不断深入发现 人工神经网络方 法在实际业务天气