人工神经网络预测瑞士阿洛萨地区每月平均总臭氧量
摘要：利用人工神经网络在瑞士阿罗萨地区对1932年至1971年的月均总臭氧时间序列进行了研究。首先将总臭氧时间序列确定为复杂系统，然后开发了具有反向传播学习的多层感知机的人工神经网络模型。模型包括具有Sigmoid激活函数的单隐藏层和双隐藏层感知机。经过学习率为0.9的逐步学习后，通过这两个神经网络模型预测了总臭氧时间序列的高峰期（二月至五月）的月均臭氧浓度。经过训练和验证，发现这两个模型都表现出良好的技能。但是，双隐藏层感知机在预测上述时期的月均总臭氧浓度时更为灵活。
作者：Surajit Chattopadhyay and Goutami Bandyopadhyay
论文ID：nlin/0608043
分类：Adaptation and Self-Organizing Systems
分类简称：nlin.AO
提交时间：2009-11-11