论文总字数：16970字

摘 要

本文首先对研究意义进行阐述，对BP神经网络发展背景进行介绍，简单介绍了其在matlab中情况，探讨了国内外BP神经网络在降雨量预测领域的发展现状。而后对ARMA模型与BP神经网络的原理进行详细分析，构建不同的预测模型。在经过大量反复实验后，我们分别得到了BP算法模型的预测结果和ARMA模型的预测结果，在对比了预测结果的差异之后，我们分析了结果的误差，探讨了现象产生的原因。由预测结果的对比，我们得出了标准BP神经网络对于季节性时间序列的预测效果存在优于ARMA方法的结果，如果BP网络算法改良后预测效果更优的结论。

关键词：降雨量 预测 ARMA模型 BP神经网络

Application of BP Neural Network in Prediction of Monthly Rainfall in Nanjing

Abstract

Firstly, this paper expounds the significance of the research, introduces the development background of BP neural network, briefly introduces its situation in MATLAB, and discusses the development status of BP neural network in the field of rainfall prediction at home and abroad. Then, the principle of ARMA model and BP neural network are analyzed in detail, and different prediction models are constructed. After a lot of repeated experiments, we get the prediction results of BP algorithm model and ARMA model respectively. After comparing the differences of the prediction results, we analyze the error of the results and discuss the causes of the phenomenon. According to the comparison of the prediction analysis results,we get the conclusion that the standard BP neural network is better than ARMA method in the prediction effect of seasonal time series, if the BP network algorithm is improved, the prediction effect is better.

Keywords: Rainfall;Forecast;ARMA;BP neural network

目 录

摘要 Ⅰ

Abstract Ⅱ

第一章 研究背景和意义 1

1.1研究意义 1

1.2 BP神经网络背景 1

1.3 MATLAB中BP神经网络实现 1

1.4降雨量预测国内外研究现状 2

第二章 基本原理 4

2.1 ARMA模型 4

2.1.1 AR(p)模型 4

2.1.2 MA(q)模型 4

2.1.3 ARMA(p,q)模型................................................................................................4

2.2 ARMA模型的优劣 5

2.3 BP网络算法简介 5

2.4 BP网络算法的优劣...............................................................................9

第三章 数据和处理 10

3.1 影响降雨量的因素 10

3.2 月降雨量数据来源 10

3.3 月降雨量数据表格 10

3.4 数据处理 11

第四章 模型的建立 12

4.1 ARMA模型的建立 12

4.1.1 平稳性检验 12

4.1.2 模型识别 12

4.1.3 预测与误差 12

4.2 BP神经网络模型的建立 14

4.2.1 BP神经网络设计 14

4.2.2 BP神经网络算法在MATLAB中的程序实现 14

4.2.3 预测结果 14

第五章 结果处理 16

5.1 预测结果对比 16

5.1.1 ARMA方法预测结果的误差分析 16

5.1.2 BP神经网络方法预测结果的误差分析 17

5.1.3 预测结果误差的对比分析 18

5.2 原因分析 19

第六章 结论 21

参考文献 22

附录...........................................................................................................................24

第一章 研究背景和意义

1.1研究意义

南京市地处我国东南部沿海，长江下游三角洲平原，降雨量有明显的季风性，

季风的不稳定性导致了旱涝频繁。对于降雨量能否有较为准确的预测将有助于人

们抵御自然灾害。降雨量变化呈现出的非线性特征，用传统的回归模型很难准确

地拟合。近年来机器深度学习成为预测模型新的解决思路。将神经网络算法运用

到降雨量的预测中就是本次研究的课题。通过使用SAS统计软件建立ARMA预测模型，同时，使用MATLAB神经网络工具箱构筑BP神经网络模型对降雨量进行预测，而后将获取的预测结果进行分析，全方面进行对比，以便准确判断BP神经网络在南京市月降雨量预测方面的实际作用。

1.2 BP神经网络背景

根据参考文献[1]在戚德虎,康继昌研究中，其重点关注的是BP神经网络设计中的涉及的诸多参数值，如初始权值、隐层节点数等，借助经验公式进行探讨。结合验证结果发现，这些公式对于BP网络参数的设计具有重要作用，大大缩短了网络构造进程；根据参考文献[2]李晓峰，刘光中的研究重点是BP神经网络算法，对其进行优化与完善，同时，明确指出了动态参数所需要的自学习算法，并编制了相关的程序流程.在程序的辅助下构建的全参数动态模型在拟合和预测方面强于传统BP算法模型。

请支付后下载全文，论文总字数：16970字