neural-network - 使用神经网络的天气预报

Question

我正在尝试使用反向传播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、降雨量等。

我对如何将这些数据提供给输入层感到困惑。是否要为每个输入节点提供给定日期的全部数据，还是我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（比如说 4-7）。然后你应该在一个合适的范围内标准化每个输入维度，比如说[-1.0, 1.0]。

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

最后一层是与第二层完全互连的输出层（也有偏差）。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归一化值进行训练。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，而是及时提供它们 - 您的网络也会学习时间关系（运气好 :)

（另请注意，有一种称为“时间反向传播”的方法针对时间序列数据进行了调整。）

Answer 2

我使用过（并拥有）这本书：Java 神经网络简介

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。

Answer 3

在我看来，决策树可能是比神经网络更好的解决方案。这是对决策树如何工作的描述。此外，还有一些软件可以实现各种分类器，包括神经网络。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，请确保您熟悉此处描述的 .arff 格式。