基于CFSFDP-RBF神经网络的加拿大区域气候预测
寇露彦
李学俊
廖竞
熊建华
吴昌述
西南科技大学计算机科学与技术学院 绵阳 621010
摘要：南极冰川融化、飓风不断增加、海平面逐渐上涨等现象的出现,使人们意识到全球气候变暖给人类生存带来的极大的挑战,针对全球变暖引起的气温变化不定问题,为了准确预测气温变化情况,以加拿大部分地区为例,通过对加拿大10个省份数据预处理,最终选取四个数据保留较完整的省份数据.对此提出了一种改进径向基(RBF)神经网络气候预测模型.该模型采用密度峰值快速聚类(CFSFDP)算法和自适应矩估计(Adam)对RBF神经网络进行优化,首先利用CFSFDP算法聚类出中心簇来确定RBF神经网络径基中心,避免随机选择带来的误差.再利用Adam算法对目标函数进行迭代微分,调整权值,同时自适应地改变学习率,提高预测准确性.针对模型的准确性检验,通过与BP神经网络、RBF神经网络、K-means优化RBF神经网络及论文算法进行对比实验发现本模型具有较高的准确率.针对结果的准确性检验,分别利用改进整合移动平均自回归模型(ARIMA)、向量自回归模型(VAR)与CFSFDP-RBF神经网络算法对气候进行预测,三种模型的结果均得到相似结论,表明该算法预测结果可信.实验结果表明,未来25年平均气温达到15.047 0℃,未来25年平均降水量达到2.098 4 mm,预测准确率达95%以上.
关键词：时序数据密度峰值快速聚类自适应矩估计径向基神经网络气候预测
分类号：TP391.9(计算技术、计算机技术)
资助基金：国防基础计划科研项目(JCKY2019204B007)国家自然科学基金(61872304)
论文发表日期：2024-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1598-1603 )
英文信息