摘 要

气温预测的准确性对于社会的发展、人们的生活十分重要。本文借助MATLAB和SPSS软件，通过遗传算法、主成分分析、相关性分析等方法对BP神经网络进行逐步优化，得到GA-BP预测模型，从而实现对湖北省各地区日均气温的准确预测。并将预测结果与传统的ARIMA模型及未优化的BP神经网络模型的结果进行了比较，所得结果精度较高且适用性广，对于气象行业的预测分析具有十分重要的指导意义。

论文主要研究内容有：首先利用主成分分析和相关性分析优化BP模型的输入层；然后借助经验公式确定隐含层个数；再利用遗传算法找到其最优初始连接权值和阈值；最后利用构建的GA-BP模型对湖北省各地区的日均气温进行预测，并将结果与其它方法的结果进行比较。

研究结果表明：进行优化后的GA-BP模型的精度要高于BP模型，并远远超过传统的ARIMA模型；将湖北省其它地区数据代入优化后的GA-BP模型中，也可以得到较高精度的结果，具有一定适用性；此外，GA-BP模型在训练时也有较快速度，平均用时仅为12.28秒。

本文的结果具有较强的现实意义，为各地区的气温预测提供了一个可靠且准确的模型和理论基础。此外，本文的模型、方法除了在气温预测上的应用，还可以推广到时间序列数据的预测等各个方面。

关键词：BP神经网络；遗传算法；主成分分析；相关性分析；气温预测

Abstract

The accuracy of temperature prediction is very significant for the advancement of society and people's life. In this paper, with the help of MATLAB and SPSS, the BPNN is optimized step by step using GA, PCA and CCA to realize the accurate prediction of daily average temperature in Hubei province. The prediction results are compared with ARIMA and BPNN. The result is significant for the prediction and analysis of the meteorological industry.

The main contents are as follows: firstly, the input nodes of BP neural network are optimized by principal component analysis and correlation analysis; then the hidden layers are decided by the empirical formula; then GA is used to ensure the optimal connection weight and threshold; finally, the daily average temperature in Hubei province is predicted according to the GA-BP model, and the results are compared with the results of other methods.

The results show that the preciseness of the GA-BP model is higher than the other model; the high precision results can also be obtained by substituting the data from other areas of Hubei Province into the optimized GA-BP model, which has certain applicability; in addition, the GA-BP model also has a high speed in training, and the average time is only 12.28s.

The results of this paper provide an appropriate model for temperature prediction. Besides, the model in this paper can be applied to other aspects.

Key words: BP neural network; genetic algorithm; principal component analysis; correlation analysis; temperature prediction

目 录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 1

1.3 论文研究内容 2

第2章 神经网络相关知识介绍 5

2.1 BP神经网络 5

2.2 遗传算法 7

2.3 模型误差评价指标 8

第3章 基于BP神经网络模型的气温预测 10

3.1 数据来源与预处理 10

3.2 BP预测模型 12

3.2.1 结构与参数 12

3.2.2 结果与分析 12

第4章 基于GA-BP神经网络模型的气温预测 15

4.1 输入层的优化 15

4.1.1 数据的降维处理 15

4.1.2 数据的归一化处理 17

4.1.3 输入时滞的确定 17

4.2 隐含层的优化 19

4.3 GA-BP预测模型 20

4.3.1 模型步骤 20

4.3.2 参数说明 21

4.4 结果与分析 21

4.4.1 遗传算法迭代过程 21

4.4.2 GA-BP模型的预测结果 22

第5章 结论 27

5.1 论文工作总结 27

5.2 不足与展望 28

参考文献 29

致 谢 31

第1章 绪论

1.1 研究背景及意义

气象预测自古以来就是一项重要且有意义的工作，准确的气象预测可以有效指导人们进行农业生产、工业生产以及各种社会活动等，同时它为人们预防和抵御各种气象灾害提供了有效的途径。

在人类的发展历史中，诸如高温、干旱、洪灾等气象灾害屡屡给人类的生活带来极大的影响。特别是近代以来，由于人类活动的加剧，全球的生态环境模式也发生了极大改变，如酸雨、全球变暖等更多的异常气候事件的出现也愈发频繁。仅在2019年，各种气象灾害已经席卷全球各地：澳大利亚遭遇了长时间的极端高温，经历了异常持久且十分严重的山火；印度、尼泊尔和缅甸等国也因今年降水量过多而饱受洪水困扰；在我国，华北南部、黄淮和江淮等地在夏季持续少雨高温，导致大部分地区出现了气象干旱，全国各地也是频频发生森林火灾。

这样的事件屡屡发生，不仅给世界各国造成了巨大的损失，还对人民的安全产生了巨大威胁。因而对气象预测的准确度的要求不断提高，这也促使了气象预测向更加客观、更加准确、更加及时的方向发展。