神经网络预报模型的过拟合研究

【作者】 金龙； 况雪源； 黄海洪； 覃志年； 王业宏；

【机构】 广西气象减灾研究所； 广西气候中心； 南京信息工程大学；

【摘要】 随着神经网络方法在大气科学领域应用研究的不断深人,发现,人工神经网络方法在实际业务天气预报应用中存在一个最重要的“瓶颈”问题,即在利用神经网络方法进行气象预报建模时,对已知训练样本集的学习训练达到什么样的拟合精度,才能使预报模型对未知样本具有最好的预报能力。该问题的研究不仅关系到在大气科学中能否进一步深入开展有关神经网络方法的业务预报应用,并且也是目前人工神经网络应用理论研究中尚未得到很好的解决的有关神经网络模型的过拟合的泛化性能的最关键问题。本文针对实际气象预报问题,提出了采用主成分分析构造神经网络低维学习矩阵的预报建模方法。并以广西全区6月、7月和8月的月降水量作为预报对象,分别建成立3个预报对象的主分量神经网络预报模型,回归因子神经网络预报模型以及逐步回归预报模型。通过对3个预报个例不同预报模型的泛化性、过拟合现象研究分析,结果表明:更多还原