论文部分内容阅读
针对天气数据高度非线性化的特点，以贵阳市近一年的天气数据为基础，结合神经网络在非线性系统建模与优化求解的优势，提出了一种基于径向基函数（RBF）神经网络的预测模型。该模型分别采用以2天、3天直至9天天气数据为一周期对未来1天天气做出预测的训练样本，最后以贵阳市2017年1月的天气作为测试样本，并将所预测的数据与真实天气数据对比。仿真结果表明，RBF神经网络比现有的预测方法如BP神经网络的预测结果具有更高的可行性和有效性。