使用神經網絡的天氣預報

我想編寫一個使用backpropagation進行天氣預報的程序。我是這個領域的初學者。我有溫度，溼度，風速，降雨等不同參數的歷史數據。使用神經網絡的天氣預報

我對如何將這些數據提供給輸入層感到困惑。每個輸入節點都可以在給定的一天內得到整個數據，還是每個參數需要不同的網絡？我也對輸出層感到困惑。

2010-02-07 amey

在我看來，決策樹可能比神經網絡更好地解決這個問題。 Here是決策樹如何工作的描述。此外，還有可用的軟件實現了各種分類器，包括神經網絡。我和Weka合作過，效果很好。還有一些庫可用於通過編程語言（如Java和C＃）來利用Weka的功能。如果您決定與Weka合作，請確保您熟悉描述here的.arff格式。

來源

2010-02-07 18:47:28 brozo

如果您有興趣使用Weka，可以嘗試一下Knime，它是一個基於eclipse的工作流程包，其中包含Weka原語。 – 2010-02-07 18:49:56

我很好奇你如何將決策樹應用於這個問題。 – brian 2010-02-08 14:51:06

隨機森林很有趣 – ron 2011-02-13 20:04:55

在輸入層中，每個維度（天氣，風等）都有X個單獨的節點用於輸入數據，其中X是回顧的天數（比如說4-7）。那麼你應該將每個輸入維度標準化在合適的範圍內，比如說[-1.0,1.0]。

有第二層與第一層完全互聯的「隱藏」層（還有一個固定1.0輸入「偏置」節點作爲固定點）。這裏的節點數應該少於輸入層，但這只是一個經驗法則，您可能需要進行試驗。

最後一層是您的輸出層與第二層完全互連（並且有偏差）。每個維度都有一個單獨的輸出神經元。

不要忘記在輸入和輸出上都使用標準化值進行訓練。由於這是一個時間序列，因此您可能不需要隨機化訓練數據的順序，但隨着時間的推移將它們反饋 - 您的網絡也會學習時間關係（運氣:)

（還請注意，。一個稱爲

來源

2010-02-07 18:48:22 ron

假設包含更多相關變量的準確度更高嗎？即使用{Temp，Pressure，Humidity}，優於{Rainfall，Windspeed，UV Index}？ – 2011-02-11 02:13:36

@Aaron：使用更多相關變量總是會更好，但是如果存在強大的關係，網絡也可能使用其他變量學習。還請注意，可能需要轉換某些數據（例如對數等）以便網絡更好地學習。 – ron 2011-02-13 20:06:07

我已經使用（和自己的）這本書「暫時反向傳播」，其被調諧的時間序列數據）方法：Introduction to Neural Networks with Java

我發現它的有用參考。它涵蓋了相當多的NN主題，包括反向推廣。

來源

2010-02-07 18:55:47

使用神經網絡的天氣預報

回答

相關問題