使用神经网络进行天气预报

Question

我正在尝试使用backpropagation编写一个天气预报程序。我是这个领域的初学者。我有不同参数的历史数据，如温度，湿度，风速，降雨等。

我对如何将这些数据提供给输入层感到困惑。是否为每个输入节点提供给定日期的整个数据，或者我是否需要为每个参数设置不同的网络？我也对输出层感到困惑。

Answer 1

在输入图层中，输入数据的每个维度（天气，风等）都有X个单独的节点，其中X是要回顾的天数（比方说4-7）。然后你应该将每个输入维度标准化在一个合适的范围内，比如说[-1.0,1.0]。

让第二个“隐藏”层与第一层完全互连（并且还有一个固定1.0输入“偏置”节点作为固定点）。这里的节点应该少于输入层中的节点，但这只是一个经验法则，您可能需要进行实验。

最后一层是您的输出层与第二层完全互连（并且还会产生偏差）。每个维度都有一个单独的输出神经元。

不要忘记在输入和输出上使用标准化值进行训练。由于这是一个时间序列，您可能不需要随机化训练数据的顺序，而是随着时间的推移喂它们 - 您的网也将学习时间关系（运气好:)：

（另请注意，有一种称为“时间反向传播”的方法，该方法针对时间序列数据进行了调整。）

Answer 2

在我看来，决策树可能比神经网络更好地解决这个问题。 Here描述了决策树的工作原理。此外，还有可用的软件具有包括神经网络在内的各种分类器的实现。我和Weka合作过，效果很好。还有一些库可用于将Weka的功能与Java和C＃等编程语言结合使用。如果您决定使用Weka，请确保您熟悉here所述的.arff格式。

Answer 3

我使用过（并拥有）这本书：Introduction to Neural Networks with Java

我发现它是一个有用的参考。它涵盖了相当多的NN主题，包括反向传播。