基于模糊理论的ABC-RBF神经网络对雾霾天气的预测.pdfVIP

摘 要 随着人工智能技术的快速发展，其应用已经遍布在我们生活的各个领域， RBF 神经网络作为人工智能的重要方法是学者们现阶段的重点研究问题。RBF 神经网络是一种局部逼近的前馈型神经网络，它模拟了人脑神经网络中局部调节 和接受阈相互覆盖的结构，目前已经广泛的应用于非线性函数的逼近、人工智能、 模式识别、图像分类等领域。在环境污染日益严重的今天，越来越多的人开始对 雾霾问题重视起来，它不仅对我们的身心造成伤害，也影响我们的出行。因此， 利用 RBF 神经网络技术从诱发雾霾的污染源出发，实现对雾霾天气的预测，从 而高人们的生活质量，是本文的主要研究内容。但传统的 RBF 神经网络在算 法上存在缺陷，比如，在训练过程中误差收敛速度慢，对不确定的模糊信息呈现 较差的性能等，这些都会影响雾霾预测的准确率。 本文从高 RBF 神经网络算法对雾霾预测准确性的角度出发，在传统算法 的基础上进行革新，出了新的优化算法，主要包括以下几个方面的工作和成果： （1）针对RBF 神经网络的初始参数选择问题，引入人工蜂群算法优化的方 法，将人工蜂群算法产生的最优解作为 RBF 神经网络的初始参数，设计出人工 蜂群算法与 RBF 神经网络算法结合后的模型，验证可行性。 （2 ）通过研究模糊理论，找到模糊理论和人工神经网络的结合点，对 ABC-RBF 神经网络的输入信息通过隶属度函数进行模糊分类，高雾霾预测的 分类精度。 （3 ）将设计出的模糊 RBF 神经网络模型应用到雾霾预测的实例中，与并与 传统 RBF 神经网络算法进行性能对比，分析实验结果。 通过实验结果对比分析发现，基于模糊 ABC-RBF 神经网络对雾霾天气的预 测效果与传统 RBF 神经网络算法相比，具有很大的优势，它不仅加强了对各个 雾霾等级分类的精度，而且在神经网络模型的训练过程中，能更快的收敛到误差 极小值。 关键词：RBF 神经网络，人工蜂群算法，模糊理论，雾霾预测 Abstract With the rapid development of artificial intelligence technology, its applications have spread in all areas of our lives. RBF neural network as an important method of artificial intelligence is a key research problem for scholars at this stage. RBF neural network is a local approximation feed-forward neural network, which simulates the structure of local adjustment and acceptance threshold mutual coverage in the human brain neural network. It has been widely used in nonlinear function approximation, artificial intelligence, and pattern recognition. , Image classification and other fields. Today, with increasing environmental pollution, more and more people are beginning to pay attention to the smog problem, which not only causes harm to our body and mind, but also affects our travel. Therefore, it is the main research content of this article to use RBF neural network tec