使用神经网络进行当地天气预测

应用实例

1. 最小温度预测

研究人员使用RPROP，PSO和RBF网络对实验组数据进行了测试，并预测出既定地区内15分钟、1小时、3小时、6小时、12小时和24小时后的温度情况。[1]

2. 使用神经网络创建天气预测模型

在非线性关系被发现前，研究人员试图建立天气数据中输入输出数据的线性关系。尽管也有可行的非线性数据的预测方法，但都是基于提前建立好的非线性模型。这篇文章介绍了一种可行的人工神经网络，可以生成根据有效、可靠的非线性模型，并通过不同的变换公式对模型进行测评和改进[2]

卷积神经网络(Convolutional Neural Networks)

- 计算机视觉和人类识别的区别 人类看到一张图片，是会根据自身经验或者认知对目标进行快速提取；而计算机看到的则是一个矩阵，矩阵中的数字代表RGB各个通道的色彩亮度，比如下图1。所以计算机想要达到人类的视觉能力，就需要进行机器学习。幸运的是，计算能力正是计算机的特长，因此神经网络应运而生，使得机器学习的效率大增。

- 神经网络学习图像的原理神经网络中有很多层，每一层包含很多算法和函数，可以对数字矩阵进行特征计算。比如：卷积、池化、非线性以及最后的softmax评估函数，这些函数的应用，让计算机看起来好像有了人类的学习认知能力。 如图所示的卷及神经网络(图2)，卷积神经网络是通过多个卷积层和池化层的组合，搭建出可以提取图像特征的神经网络，并