粒子群-神经网络集成学习算法气象预报建模研究
吴建生1
刘丽萍2
金龙3
1.柳州师范高等专科学校数学与计算机科学系,广西,柳州,5450042.毕节地区气象局,贵州,毕节,5517003.广西区气象减灾研究所,广西,南宁,530022
摘要：针对BP神经网络在实际气象预报应用中,网络结构难以确定以及网络极易陷入局部解问题,提出一种基于神经网络的粒子群集成学习算法的气象预报模型,以BP算法为基本框架,在学习过程中引入粒子群算法,优化设计神经网络的网络结构和初始连接权,获得一组合适网络结构和初始连接权,再进行新一轮BP神经网络训练,获得一批独立的神经网络个体,以"误差绝对值和最小"为最优准则,采用线性规划方法计算各集成个体的权系数,生成神经网络的输出结论,以此建立短期气候预测模型.以广西的月降水量进行实例分析,计算结果表明该方法学习能力强、泛化性能高,能够有效提高系统预测的准确率.
关键词：神经网络集成粒子群优化最优组合
分类号：P456.7(天气预报)
资助基金：国家自然科学基金(40675023)国家科技部社会公益性研究专项(2004DIB3J122)
论文发表日期：2008-01-01
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：8( 679-686 )
英文信息