基于bp神经网络的天气预测开题报告

全文总字数：2820字

1. 研究目的与意义（文献综述）

天气预测对许多社会经济部门的发展和人民生活都有很大贡献。政府部门需要根据气象部门提供的气象预报警报信息，对可能出现的暴雨、大风、冰雹、台风等灾害提前采取措施，最大限度地减少灾害对人民生命财产造成的损失。天气信息不仅对水利、电力、民航、运输等部门工作起着关键的作用，还是重要的经济资源。据有关部门的研究表明，企业若能有效利用气象信息，其经济效益会显著提高。例如电冰箱和空调器厂商可以根据气温变化与销售额增减的关系，从而制定生产和销售计划。因此，研究天气信息，提高其预报水平已经成为当前刻不容缓的主题。

就当前的气象预测技术方法而言，主要有４种方法。第一种方法就是根据人们的日常生活经验来预测，即基于天气图形学的预报基础，结合大气运动系统的时空状况和强度，对将来一段时间里的气象情况分布做出估计和预测；第二种是基于统计学的方法，通过数据统计分析，计算某一现象在一段时间内特殊情况下出现的频度，来推测在将来一段时间内相似环境下这种现象出现的概率。；第三种预测方法就是物理预测法，利用气象理论，拟合大气运动函数，在确定的初始值Ｗ及相应的边界条件限制下对函数进行积分运算，通过送样的手段来进行天气预报；第四种预测方法就是综合预报方法，即把不同的预报方法集成起来，从而得到更优的预测结果。

21世纪是科技时代，科学技术的发展尤为重要，天气预测也需要走信息化道路，政府及各级相关人事通过天气信息系统了解天气的动态，从而制定各种方针政策。相关科技工作者们也踊跃的尝试各种方法对天气进行全面的分析和研究，提高人民的生活水平。这些也都要求有较高的信息技术

2. 研究的基本内容与方案

掌握bp神经网络的流程和基本原理，确定模型参数，建立预测模型；训练神经网络，确定模型参数值，减小预测模型平均误差；测试神经网络，分析总结模型预测结果，在能力范围内可对神经网络进行优化。

主要设计思想是:先通过筛选将一系列相关的预报因子通过输入层输入,并经过连接权重的加权作用传递给隐含层单元,隐含层单元再通过各个神经元对所有的输入进行整体分析后,选择一种特定的转移函数对其作用并响应输出,然后通过下一层连接权重加权作用后传递给输出层单元,在输出层各个神经元又通过对其输入的整体分析后产生相应的响应输出值。此时将得到的输出值与期望的输出值比较得出的误差返回根据误差重新调整各个连接权重进行以上重复的学习训练,不断的循环此操作直到模型能产生逼近实际答案,此时的输出结构即为所需的网络。

3. 研究计划与安排

(1)2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

(2)2020/3/1—2020/4/30：数据预处理，建立预测模型，训练神经网络，测试与完善；

(3)2020/5/1—2020/5/25：撰写及修改毕业论文；

4. 参考文献（12篇以上）

[1]唐睿旋,晏鄂川,唐薇. 基于粗糙集和bp神经网络的滑坡易发性评价[j]. 煤田地质与勘探,2017,45(06):129-138.

[2]李嘉康,李其杰,赵颖,廖洪林. 基于ceemd-bp神经网络的海温异常预测研究[j]. 数学的实践与认识,2017,47(24):163-171.

[3] 艾洪福.基于ga-bp神经网络的“雾霾”天气预测研究[j].绿色科技,2019(22):95-96 99.