人工神经网络预测瑞士阿罗萨月平均臭氧总量
适应与自组织系统
2009-11-11 v1
摘要
本研究涉及瑞士阿罗萨地区月平均臭氧总量时间序列。研究期为1932-1971年。首先，将臭氧总量时间序列识别为复杂系统，然后开发了具有反向传播学习的多层感知器形式的人工神经网络模型。模型是具有S形激活函数的单隐层和双隐层感知器。在学习率为0.9的顺序学习后，两个神经网络模型预测了月平均臭氧总量的峰值臭氧期（2月至5月）浓度。经过训练和验证，两个模型均表现出技巧性。但是，双隐层感知器在预测上述时期的月平均臭氧总量浓度方面更为熟练。
引用
@article{arxiv.nlin/0608043,
title = {Artificial Neural Network to predict mean monthly total ozone in Arosa, Switzerland},
author = {Surajit Chattopadhyay and Goutami Bandyopadhyay},
journal= {arXiv preprint arXiv:nlin/0608043},
year = {2009}
}
备注
22 pages, 14 figures