1. 研究目的与意义（文献综述）
近年来，全球变暖问题引起了各国各行业的极大关注，全球变暖与地球表面温度的升高息息相关，而且，随着温度的升高，各项环境因素诸如海平面、降雨模式等也会随着改变。这些改变，不仅会对动植物产生威胁，同时也会导致粮食短缺、疾病传播途径的增加等问题，从而对人类的生产生活造成极大影响。因而气温预测的重要性在世界各地都有所增加，众多学者对气温预测的研究也随之展开。
在国内，朱晶晶等人[1]建立了气温的支持向量机回归方法预报模型，对海南气温进行了模拟实验，结果表明支持向量机算法在气温的短期预测中具有良好的预报能力；魏娜等人[2]基于经验正交函数和逐步回归的统计降尺度方法，对陕西省的月平均气温进行了预测，结果表明该方法在陕西省1月和7月的气温预测中较为适用；施晓芬等人[3]为了解决精细化预报问题，则在回归预测的基础上使用bp神经网络，利用bp神经网络的误差迭代法对某市的气温进行了逐小时预测，结果具有较高精度，并且对预测一天中的最高温度和最低温度有一定的参考价值；魏爽等人[4]利用基于遗传操作的粒子群优化算法，对rbf神经网络的参数进行调整，以对浙江省部分站点的平均气温进行预测，结果表明该方法在预测精度和稳定性方面都要优于传统的神经网络方法；陶晔等人[5]则为了解决传统气温预测模型中所存在的噪音问题，提出一种基于随机森林的长短期记忆网络气温预测模型，对南京站点的气象观测数据进行了预测分析，结果表明该模型在大规模、多变量的时间序列数据分析中具有实用性和优越性。
在国外，ozgur kisiaand等人[6]基于自适应模糊神经网络和人工神经网络，利用地理信息对长期气温数值进行建模，结果表明该方法具有较强的适用性，可拓展到降雨量、降雪量等预测方面；salvatore rampone等人[7]为了预测意大利某地区未来几个季节的平均气温，提出了人工神经网络和遗传规划两种软计算方法，结果表明这两种方法都具有较低的错误率，并且适当对模型参数进行调整是十分有意义的；armin azad等人[8]讨论了遗传算法、粒子群算法、连续区域蚁群算法和差分进化算法对自适应模糊神经网络算法的改进，以此来预测伊朗34个气象站的月最低、平均和最高气温，结果表明自适应模糊神经网络与遗传算法对最高气温的预测效果最好；s.salcedo-sanz1等人[9]根据澳大利亚和新西兰观测站的实测数据及该地区较重要的气候指数，考察了支持向量机和多层感知器算法在月平均气温预测问题中的性能，结果表明svr算法预测性能最好。
2. 研究的基本内容与方案
随着科技的不断进步和经济的不断发展，在气温预测问题上，预报技术也已从早期的天气图法过渡到如今的数值预报法，然而，随着对气温预测精度要求的提高，单一的使用多元统计分析方法、概率预测方法及时间序列分析等方法在面对海量的高维数据等方面稍有不足之处，因而，本文拟采用时下新兴的机器学习方法——RBF神经网络以及一些统计学上的方法相结合的方式进行湖北省的气温预测分析。
本文针对湖北省的气温预测问题，选取了来自国家气候中心的部分气象数据，其中包含了湖北省地区部分站点自2010年1月1日至2019年12月31日的气温、相对湿度、风速、日照时数、降水量、气压及地表温度的日值数据。拟采用的技术方案及措施如下：首先，对这些数据进行预处理，在经过无效值的删除、缺失值的填补、奇异值的重置等数据清理操作后，对全部数据进行了归一化以消除量纲的影响；其次，将相对湿度、风速、日照时数、降水量、气压及地表温度作为RBF神经网络的输入要素，将气温作为输出要素，期间，采用一些统计上的方法和一些优化算法不断对RBF神经网络的各项参数如输入层节点数、隐含层节点数目、隐含层的中心与宽度等进行调整，以达到最优情况；最后，对所得预测结果进行比较分析，考察模型的精度、泛化能力以及实用性等。3. 研究计划与安排
1—3周：查阅相关的研究论文，并完成一篇英文文献的翻译工作。
4—5周：根据要求完成毕业论文的开题报告。
6—8周：建模模型，分析求解，并得到初步结果。
4. 参考文献（12篇以上）
[1]朱晶晶,赵小平,吴胜安,吴慧,邢彩盈.基于支持向量机的海南气温预测模型研究[j].海南大学学报(自然科学版),2016,34(01):40-44.
[2]魏娜,贺晨昕,刘佩佩.基于统计降尺度方法的陕西省月气温预测分析[j].干旱区地理,2018,41(06):1178-1183.
[3]施晓芬,陈翔,曹永勇,杨晓瑛,赵晓婷.基于回归bp神经网络误差分级迭代法的逐时气温预测方法研究[j].数学的实践与认识,2019,49(01):145-151.
