logo资料库

基于BP-Holt-winters的气温预测模型.pdf

发布时间：2022-05-29 发布人：admin 分类：说明书 资料大小：0.37M 资料格式：pdf 举报 版权申诉
第1页 / 共7页
第2页 / 共7页
第3页 / 共7页
第4页 / 共7页
第5页 / 共7页
第6页 / 共7页
第7页 / 共7页
资料共7页，全文预览结束
    中国科技论文在线 http://www.paper.edu.cn 基于BP-Holt-winters的气温预测模型 倪子顺，刘威，刘梦媛，郭直清，岳军** （辽宁工程技术大学理学院，辽宁阜新 123000） 摘要：近现代,各地区每月平均气温的预测主要是将地球表面格点化，收集各点气象要素的 值并进行插值运算，得到未来某月气温的值，但各气象要素收集困难，且维度较大.因此， 本文提出了一种新的基于BP神经网络的Holt-winters模型，简称BP-Holt-winters模型（BP神 经网络及三阶指数平滑算法）的中短期气温预测方法，该算法是完全基于历史数据的大数据 处理方法，算法维度较小，且数据易收集.BP神经网络具有实现任何复杂非线性映射的功能， 还能通过学习带正确答案的实例集自动提取“合理的”求解规则，得到误差相对较小的数据， 而三阶指数平滑算法可以防止BP算法边界误差过大的问题，这使得整个算法的误差大大降 低，因此，该预测方法具有较高的可靠性，可以相对准确的预测各城市未来降水情况. 关键词：信息与计算科学；气温预测；BP神经网络；三阶指数平滑算法；大数据 中图分类号：O1 Temperature prediction model based on BP-Holt-winters NI Zishun, LIU Wei, LIU Mengyuan, GUO Zhiqing, YUE Jun (College of Science, Liaoning Technical University, Fuxin, Liaoning 123000) Abstract: In modern times, the prediction of the monthly average temperature in each region is mainly to grid the surface of the earth, collect the values of the meteorological elements at each point, and perform interpolation calculations to obtain the value of the temperature in a future month. Therefore, this paper presents a new Holt-winters model based on BP neural network, referred to as BP-Holt-winters model (BP Neural Network and Holt-winters algorithm) for short-to-medium-term temperature prediction. This algorithm is completely Big data processing method based on historical data, the algorithm dimension is small, and the data is easy to collect. BP Neural Network has the function of realizing any complex non-linear mapping, and it can automatically extract "reasonable" solution rules by learning the instance set with correct answers To obtain data with relatively small errors, and the third-order exponential smoothing algorithm can prevent the problem of excessive boundary error of the BP algorithm, which greatly reduces the error of the entire algorithm. Therefore, the prediction method has high reliability and can be relatively accurate Forecast the future precipitation of various cities. Key words: Information and Computing Science; Temperature forecast; BP Neural Network; Holt-winters; Mega data 5 10 15 20 25 30 35 0 引言 天气预测是使用现代科学技术对未来某一地点地球大气层的状态进行预测.从史前开 始，人类就已经对天气进行预测，以此来相应地安排工作与生活（比如农业生产、军事行动 40 等）.[1]现如今的天气预测主要是使用收集到的大量的数据（气温、湿度、风速、能见度等） 来不断认识大气过程（气象学），从而确定未来空气变化.[2]研究气象预测对人们生活有着重 要意义.人们可以根据预报的提示来决定当天要不要外出,或者外出要不要带雨具等事情，还 可以对突变天气等及时做好预防工作.因此，对各城市的各项天气指标进行预测以及可视化 作者简介：倪子顺（1998 年月 20 日-），男，主要研究人工智能方向 通信联系人：刘威（1977-），男，副教授、硕导、博士，主要研究方向：机器学习、深度神经网络、矿业 系统工程. E-mail: lv8218218@126.com - 1 -
    中国科技论文在线 http://www.paper.edu.cn 分析对于及时做好应对极端天气、灾害天气等的预防工作，降低经济损失及减少人员伤亡均 45 具有重要的现实意义.[3] 现如今,随着科技进步,天气预报的方法多种多样,但是对于每个单一的预测方法,结果是 不一样的.因此，本文提出了一种新的基于 BP 神经网络的 Holt-winters 模型，简称 BP-Holt-winters 模型（BP 神经网络及三阶指数平滑算法）的中短期气温预测方法.BP 神经网 络具有实现任何复杂非线性映射的功能，还能通过学习带正确答案的实例集自动提取“合理 50 的”求解规则，得到误差相对较小的数据，而三阶指数平滑算法可以防止 BP 算法边界误差 过大的问题，这使得整个算法的误差大大降低，因此，该预测方法具有较高的可靠性，可以 相对准确的预测各城市的气温情况. 1 数据分析 本文从 El Tiempo（网站名称，网址为 https://en.tutiempo.net/climate.html）获取了全国 55 146 个城市 1989 年 1 月~2019 年 10 月每月的平均气温，共收集了 54020 条数据. 时间\城市 北京 南京 杭州 厦门 沈阳 天津 表 1 部分气温数据 Tab.1 Partial temperature data 2017 年 1 月 2017 年 2 月 2017 年 3 月 2017 年 4 月 2017 年 5 月 2017 年 6 月 2017 年 7 月 2017 年 8 月 2017 年 9 月 2017 年 10 月 2017 年 11 月 2017 年 12 月 2018 年 1 月 2018 年 2 月 2018 年 3 月 2018 年 4 月 2018 年 5 月 2018 年 6 月 2018 年 7 月 2018 年 8 月 2018 年 9 月 2018 年 10 月 2018 年 11 月 2018 年 12 月 -2.2 2.1 8.5 17.1 23.2 25.5 27.2 25.7 21.8 12.3 3.2 -1.2 -3.8 -1.4 7.9 15.4 22 26.7 27.8 27.4 20.3 12.3 5.4 -3 5.4 6.5 10.4 17.8 22.8 24.8 30.8 28.3 23.2 16.9 12.1 5.4 2.1 4.7 12.4 18.1 22.3 26.1 29.6 29.2 24.4 17.4 12.8 5.7 7.4 8 11.5 18.8 23.1 24.5 32.2 30.6 25.1 19.4 14 7.7 4.7 6.2 13.6 19.4 24.1 25.9 30.2 29.9 25.7 18.9 15.1 7.9 - 2 - 15.8 14.5 16.2 21.6 25 26.9 29.4 30.1 29.1 25.4 20.8 16.1 14.2 13.4 18.2 22.5 27.1 27.6 29.8 28.9 27.9 23.4 21.1 17.6 -8.9 -4.6 2.8 12.6 18.6 22.7 26.3 23.4 18.1 9.2 0 -7.9 -12.4 -8.3 2.7 12.1 18.4 23.1 26.9 24.6 17 8.9 2.4 -7.9 -1.3 2.5 9 17.6 23.5 26.2 28.2 26.7 23.9 13.7 5 0 -3.4 -0.3 8.6 16.4 22.7 27.3 28.9 27.8 21.8 14.3 7.4 -1.5
    中国科技论文在线 http://www.paper.edu.cn 由数据分析判断可以得知，在地域上，从西北到东南气温呈现递增趋势，在时间上气温 呈现周期性变化，每一年为一个周期，在夏季气温较大，在冬季气温较小. 60 2 BP 神经网络预测 2.1 BP 神经网络的原理及实现步骤 2.1.1 BP 神经网络的基本原理 BP（Back Propagation）神经网络是一种按误差反向传播(简称误差反传)训练的多层前馈 网络，其算法称为 BP 算法，它的基本思想是梯度下降法，利用梯度搜索技术，以期使网络 65 的实际输出值和期望输出值的误差均方差为最小. [4] 2.1.2 BP 神经网络的实现步骤 BP 算法的流程图可见图 1[5][6]： 70 图 1 BP 算法流程 Fig.1 BP algorithm flow - 3 - 初始化,ijjw赋初值，11121212221211121211112........................jjinputhiddeniijhiddenoutputiiijwwwwwwWwwwijW−−==intX()()hiddenputhiddenhiddenhiddenoutputhiddenoutputhiddenoutputoutputWXOSigmoidXXWOOSigmoidX−−====212E(arg)outputtetOEE=−=+总误差满足要求？ioutputoutputiiijioutputijOXEEwoutputXwEnewwww==−输入层和隐藏层权值更新outputoutputiiijioutputijOXEEwoutputXwEnewwww==−隐藏层和输出层的权值更新全部e满足要求？结束YYNN
    中国科技论文在线 http://www.paper.edu.cn Step1：网络的初始化.设置网络输入层、隐含层、输出层神经元个数，共有 个学习模 式把输入层到隐含层连接权 ，隐含层至输出层连接权 ，隐含层各单元阈值 ，输入层 到隐含层的偏置为 ，隐含层到输出层的偏置为 ，输出层各单元阈值 均赋予 之间的随机值，其中 ， ， ，学习速率为 . 75 Step2：隐含层的输出.隐含层的输出为 Step3：输出层的输出.输出层的输出为 . Step4：误差的计算.取学习误差为 ，其中，网络期望输出 为 ，实际输出为 . Step5：权值的更新.权值的更新公式为： 80 2.2 利用 BP 神经网络预测预测气温 从已有数据中抽取 73 个城市 1989 年到 2000 年数据作为训练样本，跟据 BP 神经网络 的原理和步骤，将各城市经度、纬度及年份、月份设为网络的输入层，将该月该城市气温设 为网络的输出层，利用 Matlab 软件对中国各城市各月份气温进行预测. 85 表 2 BP 算法准确率 Tab.2 BP algorithm accuracy 数据类型 有数据城市 无数据城市 历史气温 预测气温 98.43% 96.71% 83.82% 78.97% 从表 2 可以看出 BP 算法在依靠经度、纬度对无气温数据的城市，历史气温预测上准确 90 率较高，但是在依靠年份、月份对城市未来气温的预测上准确率较低.[7] 3 三阶指数平滑算法预测 由于 BP 神经网络不能对一个城市未来气温进行较为精准的预测，因此本文引入三阶指 数平滑算法，对城市未来气温进行预测. 错误!未找到引用源。 3.1 三阶指数平滑算法的原理及实现步骤 95 由于三阶指数平滑在二阶指数平滑的基础上保留了季节性的信息，使得其可以预测带有 季节性的时间序列.[9] Step1：周期 ，季节分量 ，移动分量 ，趋势分量 ，平滑系数 。 Step2：迭代下一时间点的各项分量： - 4 - mijWijVjjakbt0.1,0.4−11,2,,il=21,2,,jl=31,2,,tl=121()jijijiHgWxa==+91jijikjOVHb==+221(),1,22kkttktycEkm=−==12,kkkYyy=12,kkkCcc=1(1)mijijiiiijjjijijijWWHHxVeVVHe==+−=+12t=112,,0PP=12(12,,)SDatajk=1212(13,,)tDatajkS=−0.3=
    中国科技论文在线 http://www.paper.edu.cn Step3：一直迭代第二步直到遍历数据源； Step4：将各分量带入预测公式进行预测： 三阶指数平滑算法的流程图可见图 2： 图 2 三阶指数平滑算法流程 Fig.2 Holt-winters algorithm flow 100 105 110 3.2 利用三阶指数平滑算法预测气温 根据以上内容，本文利用 Matlab 软件将北京市 1989 年到 2016 年各月气温带入三阶指 数平滑算法中，对北京市 2017 到 2018 年气温进行预测，并将预测气温与真实数据进行对比 115 得到结果如图 3： 图 3 三阶指数平滑算法预测 Fig.3 Holt-winters algorithm prediction - 5 - ()1211(,,)(1)nnnnsDatanjkpst−−−=−+++()11(1)nnnntsst−−=−+−()12(,,)(1)nnnpDatanjksp−=−+−1112d(,12)Data(,,)iiimohihjkshtp−−−++=++开始112121212...0(12,,)(13,,)13ppsDatajktDatajksn===−=12111112((,,)(1))()(1)((,,))(1)nnnnnnnnnnnsDatanjkpsttsstpDatanjksp−−−−−−=−+++=−+−=−+−NY结束1112mod(,12)(,,)iiihDataihjkshtp−−−++=++1?ni−
    中国科技论文在线 http://www.paper.edu.cn 由上图可知，利用三阶指数平滑算法对北京市气温情况进行预测的结果总体效果比 BP 120 神经网络好，与真实值吻合度较大，但是由于 Holt-winters 算法本身的性质，其只能处理时 间数据，无法对不同空间纬度的数据进行预测，故不能用 Holt-winters 算法对缺失数据城市 的平均气温进行预测. 错误!未找到引用源。 4 BP-Holt-winters 气温预测模型 根据以上叙述，可以得知 BP 神经网络在预测未来数据时误差较大，三阶指数平滑算法 125 存在只能处理时间数据的问题，但是 BP 神经网络可以根据各地区经度、纬度对不同空间的 数据进行预测，Holt-winters 预测未来气温的整体效果误差较小，吻合度较大。因此，本文 将 BP 神经网络与 Holt-winters 相结合，建立基于 BP 神经网络的 Holt-winters 模型（简记为 BP-Holt-winters 模型），即将由三阶指数平滑预测所得数据导入 BP 神经网络算法模型得到 最终的预测数据. 错误!未找到引用源。 130 分别利用 BP 算法、三阶指数平滑算法与 BP-Holt-winters 算法对北京市 2017 到 2018 年 各月气温进行预测（见图 4），由预测结果可知 BP 算法准确度较低，三阶指数平滑算法与 BP-Holt-winters 算法都能得到令人满意的准确率. 135 140 图 4 算法预测对比 Fig.4 Algorithm prediction comparison 分别使用 BP 算法、三阶指数平滑算法与 BP-Holt-winters 算法对本文 2.2 中抽取的训练 样本进行学习，并计算三种算法的预测准确率（见表 3）. 表 3 不同预测模型的预测准确率 Tab.3 Prediction accuracy of different prediction models 数据类型\算法 BP 算法 三阶指数平滑算法 BP-Holt-winters 算法 有数据城市历史降水量 无数据城市历史降水量 有数据城市预测降水量 无数据城市预测降水量 98.43% 96.71% 83.82% 78.97% 98.38% - 97.85% - 98.42% 96.68% 96.17% 94.92% 由表 3 可知 BP-Holt-winters 算法在继承了 BP 算法可以对未知地区各月平均气温进行预 错误! 测的基础上，提高了算法对城市未来气温预测的准确率，使算法的实用性得到大幅提升. 145 未找到引用源。 - 6 -
    中国科技论文在线 http://www.paper.edu.cn 5 结论 本文为了预测各城市各月平均气温，本文首先获取了 146 个城市的天气数据，然后对比 了 BP 神经网络和三阶指数平滑算法，最终建立了 BP-Holt-winters 气温预测模型，得到以下 结论： 150 （1）利用 BP 神经网络可以对未知地区气温进行预测，但未来气温预测准确率较低. （2）利用三阶指数平滑算法预测一个城市未来气温准确率较高，但无法预测未知地区. （3）建立 BP-Holt-winters 气温预测模型可以预测未知地区且对未来气温预测准确率较 高. 155 [参考文献] (References) [1] 张新民,熊世为,郁凌华.刍议天气预报对农业防灾减灾的作用[J].农业科技与信息,2019(22):28-29+33. [2] 郭柏灵,黄代文,黄春研.大气、海洋动力学中一些非线性偏微分方程的研究[J].中国科学:物理学 力学 天 文学,2014,44(12):1275-1285. [3] 宋耀明,邹永成,王志福.前期土壤湿度、海表面温度对中国夏季极端气温的预测能力评估[J].大气科学学 报,2019,42(05):790-800. [4] 刘芃麦,朱家明,高正帅,何雅宁.基于BP神经网络的脱氧合金化配料问题分析[J/OL].齐鲁工业大学学 报,2019(05):74-80[2019-12-28].https://doi.org/10.16442/j.cnki.qlgydxxb.2019.05.012. [5] 董超群 ,龚薛蓉 ,徐畅 ,刘占军 .基于 BP神经网络的脱氧合金化成分预测研究 [J].科 学咨询 (科技 管 理),2019(09):45. [6] 姜文鑫.基于BP神经网络的涡轴发动机故障诊断研究[J].智库时代,2019(52):258-259. [7] Li Xiaonan,Cheng Xi,Wu Wenjian,Wang Qinghua,Tong Zhaoyang,Zhang Xiaoqing,Deng Dahai,Li Yihe. Forecasting of bioaerosol concentration by a Back Propagation neural network model.[J]. The Science of the total environment,2020,698. [8] 高晓辉. 灰色指数平滑模型及其在空气质量预测中的应用[D].河北工程大学,2019. [9] 王敦泽.一种采用三次指数的语音基音轨迹平滑算法[J].电声技术,2019,43(03):25-28. [10] 董杰,李欣,方运海,郑西来.基于改进模糊综合-指数平滑法的地下水水质评价和预测[J].中国海洋大学学 报(自然科学版),2020,50(01):126-135. [11] Slawek Smyl. A hybrid method of exponential smoothing and recurrent neural networks for time series forecasting[J]. International Journal of Forecasting,2020,36(1). [12] 李昌敏,熊俊俏.基于动态指数平滑环境预测系统[J].科技与创新,2019(21):56-58. 160 165 170 175 - 7 -
    分享到：
    赞 收藏

    相关推荐

    资料库

    开发技术

    共收录19306份资料，累计14个分类，关注成员有19位，主要包括：Actionscript,Javascript,PHP,VB,Perl,Delphi,Python,C#,C,Java,C++,Web开发,硬件开发,其它

    热门标签

    Actionscript Javascript PHP VB Perl Delphi Python C# C Java C++ Web开发 硬件开发 其它

    最新资料