用模糊神经网络自动识别云的技术研究

采用模糊逻辑理论与神经网络技术方法, 构建一种新的分类识别方法--模糊神经网络 (FNN), 运用10.5～12.5 μm通道的红外卫星云图资料, 对(70°N～70°S, 70°E～150°W)范围不同的云类进行定量自动模式识别高云、中云、低云区和无云区以及相关的云量, 并结合数字图像处理的相关知识和技术, 将分类结果用直观的图像输出.     

模糊优选神经网络模型在城市防洪规划方案优选中的应用

城市防洪规划方案的综合优选是一个涉及到政治、社会、经济、环境等多准则、多因素的复杂多目标决策问题.针对目前各种常用的综合优选模型应用中存在的指标权重选择及转换问题,利用模糊优选神经网络模型,构造了合理的网络拓扑结构并将模型应用于某城市的防洪规划方案综合优选中.实例结果表明,此模型不仅避免了对指标权重的处理问题,而且明显加快了BP网络的收敛速度.     

一种基于特征的人工神经网络数字识别系统模型

在进行神经网络方法的数字图像识别研究时，针对数字图像的复杂性、神经网络输入数据量巨大和学习收敛速度慢的情况，提出了基于特征的神经网络数字识别方法。设计提取了13个结构特征以组成一个13维的超空间，对13维的超平面空间的整个识别过程采用了神经网络聚类方法(其中聚类数为10)，并利用数学软件MATLAB强大的矩阵运算能力和C语言高效的代码实现了数字识别系统模型。实验结果表明，在特征差异不十分明显的情况下，识别时间和识别率仍令人满意。     

高血压病发病率预报的人工神经网络方法研究

通过统计分析，选取影响银川地区高血压病发病率的主要气象因素，将其作为输入变量经多层前馈型神经网络的BP(Back Propagation)算法进行学习训练，建立了疾病发病率的人工神经网络(ANN，Artifical Neural Net)预报模型。结果表明：该方法计算简便、误差较小，为疾病发病率预报提供了一种新的预报方法。     

月降水量的神经网络混合预报模型研究

以均生函数表征预报量自身周期变化，结合500hPa月平均高度场和月平均海温场预报因子，采用神经网络方法建立了一种新的短期气候预报模型。分别以广西桂北、桂中和桂南6月降水量作为预报对象进行预报试验，结果表明，这种新的预报方法比均生函数回归预报模型及高度场、海温场预报因子的回归预报模型，具有更好的物理基础和预报能力。     

BP神经网络模型在重庆伏旱预测中的应用研究

采用气象要素定义伏旱指数，利用小波分析等方法分析重庆地区伏旱变化特征，最后采用BP神经网络模型对伏旱进行预测试验，结果表明，重庆伏旱变化具有明显的阶段性特征，而基于BP神经网络模型的伏旱预测模型预测效果良好，可以应用于实际预测。     

基于神经网络的广州市能见度预报

在研究了广州市能见度变化特征及低能见度发生的主要影响因素的基础上,利用广州市环境监测站2007-2009年的空气污染物（PM10、SO2、NO2）监测数据及同期地面气象要素（10min平均风速、最大风速、气温、相对湿度、露点温度、气压、24h降水量）观测资料筛选出主要的预报因子,用径向神经网络建立预报模型,并对2009年9月1日到12月25日的能见度进行预报试验.结果表明径向神经网络预报模型在能见度低于10km时预报准确率明显高于统计回归预报方程.采用分级方法统计得出在未出现低能见度情况下,中低能见度,中高能见度预报准确率分别为80％,69.6％,均高于线性回归预报方程（40％,47.8％）.     

Study on the Overfitting of the Artificial Neural Network Forecasting Model

Because of overfitting and the improvement of generalization capability (GC) available in the construction of forecasting models using artificial neural network (ANN), a new method is proposed for model establishment by means of making a low-dimension ANN learning matrix through principal component analysis (PCA). The results show that the PCA is able to construct an ANN model without the need of finding an optimal structure with the appropriate number of hidden-layer nodes, thus avoids overfitting by condensing forecasting information, reducing dimension and removing noise, and GC is greatly raised compared to the traditional ANN and stepwise regression techniques for model establishment.     

最优子集的神经网络预报建模研究

作者尝试用最优子集方法进行神经网络长期预报模型的建模方法研究。结果表明,在很多情况下,由于最优子集方法比逐步回归方法能选取更好的预报因子,因此所构造的神经网络预报模型具有更好的拟合和预报效果,这为神经网络在长期预报的应用研究提供了新的思路和方法。     

利用双隐层BP网络进行雷暴潜势预报试验——以太原为例

利用太原地区探空资料,结合闪电定位资料,采用神经网络法对太原地区雷暴天气进行潜势预报.选取与雷暴发生相关性较好的探空因子作为预报因子,对其进行归一化处理,输出采用两级分类,构建双隐层的BP网络,并应用独立样本进行预报检验.结果表明,在相同条件下,与单隐层BP网络相比,双隐层BP网络显示了其在解决分类问题上的优势;与多元统计回归法相比,双隐层BP网络获得更高的雷暴预报TS评分及更可靠的结果,显示出神经网络良好的非线性问题处理能力.并且对雷暴预报结果的规律进行了分析与讨论,说明探空因子与雷暴的发生有着密切的联系.