使用神经网络进行天气预报
我正在尝试使用反向传播编写一个天气预报程序。我有不同参数的数据，如温度、湿度、风速、海平面压力等。我为输入层设置了4个参数（4个节点）（温度、湿度、风速、海平面压力）。
现在我对输出/目标是什么感到困惑。有必要按月/季节划分吗？ 如何标准化这 4 个不同的参数（在 -1 到 1 之间）？
I am trying to write a program for weather forecasting using Backpropagation. I have the data of different parameters like temperature, humidity, wind speed, sea level pressure etc. I have set 4 parameters (4 nodes) for input layer(temperature, humidity, wind speed, sea level pressure).
Now I am confused about what will be the output/target. Monthly/seasonal division is necessary?
And how can I normalize those 4 different parameters (between -1 to 1 )?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
您可以将其视为多类分类问题。假设您想预测天气是晴天、雨天、阴天还是刮风。这些将是您要分类的类别。
您可以通过以下公式对输入特征进行标准化：(x-xbar)/mu，其中 xbar 是特征的平均值，mu 是特征的标准差。
You could treat this as a multi-class classification problem. Let us say you want to predict if the weather will be sunny, rainy, cloudy, windy. These would be your classes to classify.
You could normalize the input features by the formula : (x-xbar)/mu, where xbar is average of the feature and mu the stdev of the feature.