基于人工神經網絡預測與分類的應用研究.pdf

1、在全球氣候變化的背景下，氣候變化對極端溫度、降水量甚至人體健康等均產生了重要的影響。極端溫度和降水量的預報對社會經濟、農業(yè)生產和城市內澇防控具有現(xiàn)實的重要意義。本文采用人工神經網絡對極端溫度和降水量進行建模預測，同時在結腸癌基因表達數(shù)據(jù)的基礎上，對癌癥基因類別分類研究。以上研究可以為極端溫度和降水量準確性的預測及癌癥基因的正確分類提供了可靠的理論基礎，具有科學的實踐意義。
　　文章主要研究兩方面的內容，一方面是理論研究，對 RBF

2、神經網絡的基函數(shù)中心選取進行了研究分析，并采用試算法對 RBF神經網絡模型中的平滑因子進行選取利用相空間重構和主成分分析的兩種方法對神經網絡進行優(yōu)化分析；另一方面是幾種人工神經網絡在極端氣候的預測和癌癥基因分類中的應用研究，通過網絡的模型建立對實際問題進行預測分析。
　　本文首先以張北1956-2009年的氣象數(shù)據(jù)為研究對象，采用幾種不同的人工神經網絡建立極端最低氣溫和降水量模型，并將其不同模型的預測結果進行分析對比；其次，利用相

3、空間重構的方法來確定了網絡的輸入維數(shù)，減少了冗余的自變量，從而構建了基于相空間重構和RBF神經網絡相結合的預測模型，該方法克服了RBF神經網絡的不穩(wěn)定，提高了預測精度。然后，文中利用了BP神經網絡、主成分分析優(yōu)化的BP神經網絡和偏最小二乘算法(PLS)對降水量建立了預測模型。通過PLS算法降水量預測模型的主要因素進行了分析，得到了多變量方程。結果表明，PLS算法既解決了BP神經網絡的不穩(wěn)定性的缺點，同時也縮短了神經網絡的運行時間，提高了