神經網(wǎng)絡在日長變化預報中的應用研究.pdf

1、地球自轉參數(shù)預報對于天文學和測地學的理論研究和實際應用具有重要意義。在地球自轉參數(shù)的預報中,日長變化的預報是難點。日長變化包含了復雜的非線性因素,已有的科學研究包括對它的線性預報和非線性預報。本文在對已有研究進行學習分析的情況下,提出使用非線性神經網(wǎng)絡(包括遺傳算法(GA)優(yōu)化的BP神經網(wǎng)絡、廣義回歸神經網(wǎng)絡)對日長變化進行預報,并與已有研究成果進行對比分析,得到一些有益的成果,為日長變化的研究增加了新的方法。
　　 本文研究的

2、主要內容包括:
　　 (1)分析了BP神經網(wǎng)絡用于日長變化的基本方法及其存在的不足之處,提出使用遺傳算法優(yōu)化BP神經網(wǎng)絡的初始權值和閾值,防止網(wǎng)絡陷入局部極小,將遺傳算法優(yōu)化的神經網(wǎng)絡用于日長變化預報,并將預報結果與BP神經網(wǎng)絡預報的結果進行比較。
　　 (2)由于GA優(yōu)化的神經網(wǎng)絡對日長變化的預報需要不斷循環(huán)計算以得到最優(yōu)的權值和閾值,對于冗長天文數(shù)據(jù)的預報無疑增加了預報時間,這給獲取實時快速的日長變化數(shù)據(jù)帶來了困難。

3、文中嘗試使用更為簡潔高效的廣義回歸神經網(wǎng)絡(GRNN)對日長變化進行預報,這種網(wǎng)絡模型不需要循環(huán)迭代,是一種局部尋優(yōu)算法,不會陷入局部極小,算法容易實現(xiàn),并將預報結果與Schuh(2002)及EOP PCC(2010)的預報結果進行比較。實驗結果表明,將廣義回歸神經網(wǎng)絡用于日長變化的預報是切實可行的。
　　 (3)傳統(tǒng)的日長變化預報在選取樣本數(shù)據(jù)時,多為按跨度i(i為間隔,取1、2、3…n)取值,而神經網(wǎng)絡模擬的是相關事物之間的