GA-BP 神经网络预测组合模型的构建与全球气温预测

打开文本图片集

文章编号：1003-6180（2026）02-0024-06

[中图分类号]P422.1

[文献标志码]A

Construction of GA-BP Neural Network Prediction Combination Model and Global Temperature Prediction

YUAN Wei * ， HU Yanli， GE Zheng， ZHANG Junjie

（School of Mechanical and Electrical Engineering of Huainan Normal University， Huainan 232000， China）

Abstract： A GA-BP neural network prediction combination model （GBSM） was constructed to forecast global temperature. The GBSM model improved the roulette wheel method， enhanced the convergence of the algorithm， and selected the genetic chromosomes with higher fitness. Experimental results showed that GBSM had advantages such as high accuracy and good stability， effectively improving the prediction accuracy. The future temperature trend is expected to rise "rapidly at first and then slowly"： the annual average temperature will increase by about 0.25°C before 2030， and the rate of temperature rise will slow down from 2030 to 2060. By 2100， the temperature will be about 2.0°C higher than before industrialization， and it is difficult to break the 20°C threshold.

Keywords： GA-BP neural network; temperature forecasting; improved roulette; stability

收稿日期：2025-11-25

基金项目：安徽省“六卓越一拔尖”项目（2024zybj039）;2024年安徽省教育厅科学研究项目（2024AH051732）;2025安徽省教育厅科学研究项目（2025AHGXZK60243）;2025年安徽省国家级大学生创新创业计划训练项目（202510381001S）;师范学院教学创新团队项目（2024hsjxtd02）

作者简介：袁炜（1985-），男，安徽人.实验师，博士，主要从事电网故障预测与诊断、智能检测技术研究;胡艳丽（1983-），女，安徽宿州人.副教授，硕士，主要从事可编程逻辑控制技术研究;葛正（2001-），男，安徽人.本科，主要从事数据分析和机器学习研究;章俊杰（2002-），男，安徽淮北人.本科，主要从事人工智能研究.

通讯作者：袁炜

全球变暖对人类社会构成严峻挑战，全球气温预测成为备受关注的研究课题.[1]预测类BP神经网络模型凭借神经网络运算的高效性，可降低局部极小化与过拟合现象，精准稳定地获取预测结果.[2]

许多学者进行了这方面的研究. 孙倩 [3] 等将蚁群优化（ACO）与反向传播神经网络结合用于软件质量预测. 金郁淇 [4] 等对比传统时间序列（ARMA）模型、BP神经网络模型和遗传算法改进的GRU神经网络对全球年均气温的预测效果，发现后者更优. 吴成诚 [5] 等用粒子群算法（PSO）优化小波神经网络进行温度补偿，提升收敛速度并解决局部最优解难题. 张茜茜 [6] 建立BP神经网络和遗传算法（GA）优化的BP神经网络（GA-BP）气候预测模型，显示其预测平均误差更低，处理时间序列数据预测时精度更高.

本文将改进型轮盘赌法引入到 GA-BP 神经网络算法中，以期提升算法收敛性与效率以及预测的精度，满足预测类模型预测全球气温的要求.

1 改进型 GA-BP 神经网络模型

改进型遗传算法优势突出，可深度优化 BP 神经网络。（剩余4109字）