论文部分内容阅读
大气系统是个复杂的非线性动态系统,目前的数值预报方法对长期天气要素预测的结果与实际情况仍有很大差距。Elman神经网络是一种局部回归型神经网络,其特殊的上下文神经元结构适合反映非线性系统的动态性。本文将Elman神经网络应用于天气系统作长期天气要素预测,其预测的准确程度在实际预测中是可以接受的。通过分别训练多个网络求预报结果均值的方法来模拟实际预报中的集成预报,能明显减少随机初始连接权值对神经网络收敛的影响。对比实验表明,Elman神经网络对长期降水量的预测优于标准结构的BP网络。