新员工入职自我介绍科技与创新┃Science and Technology&
高考热门专业
Innovation
文章编号：2095-6835（2021）09-0010-02
基于BP神经网络的全球气候变化预测模型
侯惠清
（南华大学数理学院，湖南衡阳421001）
摘要：考虑了大气中历年二氧化碳排放量、地球的吸热散热与海洋表面温度变化等因素，建立了基于BP神经网络的全球气候变化预测模型，对未来25年的气候变化进行预测。实验结果显示，未来25年全球平均气温呈现缓慢上升趋势，但上升率仅为0.02%，并最终趋于平缓。
关键词：BP神经网络；全球气候变化预测模型；全球变暖；气温
中图分类号：TP3文献标志码：A DOI：10.15913/jki.kjycx.2021.09.005
梦见蛇是怎么回事1引言
自从工业时代以来，人们对自然的掠夺式开发以及无节制的能源利用带来了日益严重的全球变暖问题[1]，严重影响了人类的生存[2-3]。这引起全人类都对全球暖化极度重视，不遗余力地采取一系列措施减缓全球暖化速度。为此，本文考虑了地球的吸热、散热以及海洋表面温度变化，预测未来25年的气候变化。同时将影响气候变化的一些因素纳入考虑范围，得到了全球变暖的影响因素，并且把多个解释变量对被解释变量的关系预测可以采用多元回归预测模型[4]，之后进行相关系数分析，来判定多元回归方程中的解释变量。本文利用1980—2008年间的数据对1980—2008年全球气温平均值进行拟合，通过判定系数R2判定模型的拟合效果。本文使用的基于BP神经网络的线性回归组合预测模型如图1所示。
嵩山少林寺在哪图1基于BP神经网络的线性回归组合预测模型结构图
2基于多元线性回归的BP神经网络预测模型
多元线性回归分析模型[4]是可以包含多个解释变量的线性回归模型，用于揭示被解释变量与其它多个解释变量之间的线性关系。这里我们将1980—2008年的二氧化碳排放量与海平面温度值作为解释变量，将此年间全球平均气温值作为被解释变量，进行多元线性回归拟合，并利用得到的模型预测2009—2018年的全球气温平均数据。将全球平均温度数据值Y作为被解释变量，将1980—2018年全球人口
总数，海洋表面温度、五大国森林面积总和、北极海冰面积、大气污染二氧化碳排放量视为解释变量进行多元回归分析。
BP神经网作为人工神经网络中最可靠、最经典的神经网络，操作便捷、学习能力强大。运用误差逆向传播算法，是通过该算法进行训练的多层前馈神经网络。BP神经网络具有拓扑性结构，包含输入层、隐含层、输出层。其中隐含层可以是一层，也可以是多层，每层之间均通过权值相连接。BP神经网络有非常强的非线性拟合能力，可以实现时间序列数据的预测[5]。
BP神经网络算法可以分为以下几个部分[6]：①BP网络的初始化；②根据给出的连接权值与各层神经元阈值计算出隐含层输出；③根据计算得出的隐含层输出，计算出输出层输出；
④计算均方误差；⑤反复更新权值与阈值；⑥最后是判断过程，若算法满足精度要求则结束迭代，若为满足要求返回。
经由MATLAB实现基于多元线性回归的BP神经网络预测模型，计算得出未来全球平均气温预测值以及变化趋势，如表1、图2所示。
由表1、图2可知，未来25年全球平均气温呈现缓慢
上升趋势，上升率仅为0.02%，并最终趋于平缓。2015年
《联合国气候变化框架公约》第21次缔约方会议（世界气候
大会）于巴黎举行，促使196个缔约方形成统一意见，并于
2020年开始实施，这一世界性质的协议无疑对缓解全球变暖
具有显著影响，各个国家与地区必然制定相应的举措进行落
实。加之人们深受全球变暖带来的危害，气候保护意识显著10
··
Science and Technology &Innovation ┃
科技与创新
增强，世界多方共同努力，定会出现期望已久的碧海蓝天。图2未来25年全球平均气温预测值变化趋势
图3BP 神经网络预测误差率
图3为BP 神经网络预测误差率，由图3可知，该神经网络模型预测的全球平均气温值与实际气温值的动态绝对误差最差为0.39，因此在预测精度、可靠性方面均十分良好，基于时间序列的动态BP 神经网络模型在全球平均气温预测中具有重要的参考意义。3
结论
通过建立刻画未来25年气候变化的BP 神经网络预测模型可知，未来25年全球平均气温变化并没有停滞，而是呈现缓慢上升趋势，上升率仅为0.02%，并最终趋于平缓。参考文献：
［1］李小红.发展低碳经济建立美好家园［J］.地理教育，2013
（Suppl 1）：125-126.
［2］毛颂赞.全球变暖时的传染病［J］.自我保健，2006（7）：6-7.［3］吕健.科学应对气候变暖全力确保粮食供应———浅谈气
候变暖与我国粮食生产［J］.中国农资，2010（2）：41-43.［4］闫建波.基于BP 神经网络的灰预测模型［D ］.西安：西
安理工大学，2009.
［5］刘天，姚梦雷，黄继贵，等.BP 神经网络在传染病时间序
列预测中的应用及其MATLAB 实现［J］.预防医学情报杂志，2019，35（8）：812-816，821.
［6］方苏阳，蒋创，
魏涛，等.基于时间序列的动态神经网络沉降预测［J］.测绘与空间地理信息，2018，41（11）：24-27.——————————————
—作者简介：侯惠清（1994—），女，广东肇庆人，南华大学数理学院硕士，主要研究方向为多智能体系统的领导跟随控制。
〔编辑：丁琳
〕验，观测是否有气泡产生以及压力表下降情况，经检测无气泡产生，压力表数值稳定，表明无泄漏发生，水密、气密（内腔压力大）满足要求。
该试验方法机理清晰，简单高效，可推广至其他舱段及整弹应用。5结论
对触发机构从密封、材料、表面处理等进行了改进设计，能够有效提升三防性能；提出了一种简单高效的气密/水密试验方法，可以有效考核舱段外露接口的密封性；下阶段进行整弹的海洋环境90d 露天放置试验，考核三防效果。参考文献：
［1］朱旺.海洋性气候条件下的三防工艺研究［J］.电子工艺技
术，2010（1）：54-57.
［2］蔡培培，胡凯征，胡晓辉.空空导弹弹体结构三防浅析［J］.
航空制造技术，2012（19）：73-78.
［3］任景梅.环境条件及防潮防霉防腐蚀方法［J］.环境技
术，1997（3）：19-25.
腊八节问候语简短［4］侯彬.军事电子装备的三防设计［J ］.装备环境工程，2009
（5）：106-108.
［5］王玲，杨万均，张世艳，等.热带海洋大气环境下电连接器
环境适应性分析［J ］.装备环境工程，2012，9（6）：5-9.［6］李伟刚，卢文忠，邓基忠.潜艇电子设备环境适应性设计
研究［J］.船电技术，2011（3）：48-51.
［7］王锐，程翔，黄少波.某发动机点火系统近海区域环境适
应性分析及改进措施［J］.火工品，2014（2）：9-12.——————————————
—作者简介：钟翔（1988—），男，大学本科，工程师，主管工艺师，研究方向为机械设计制造及自动化。
〔编辑：严丽琴
〕（上接第9页
）
11··
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论