酒剑仙：一剑霜寒十九州精彩章节

隐地，一个充满危险的地方，一个老人站立其中，却丝毫不害怕，吩咐着身边一位少年，将几个蓝色晶体摆在地上。

晶体之间凭借着一股奇妙力量相互联系，慢慢亮了起来，却泛着墨绿的色泽，紧接着蓝色晶体碎裂，墨绿光芒西射，从中出现了一个少年。

少年名叫方闲，一副十五六岁的模样，似乎刚刚苏醒的样子，揉了揉眼睛，看着这陌生的地方，有点茫然。

方闲看向老人，还未开口说话，一声咆哮从不远处传来，巨大的身躯逐渐出现，信息是通过一个“门”结构来进行添加和删除的，这个“门”结构被训练用于学习保存或忘记什么信息，在LSTM中这个结构极其重要。

LSTM 有三种类型的门结构：遗忘门、输入门和输出门，三种门都有权重向量和偏置项，并设置了sigmoid函数，随后三种门将结合它们处理信息数据，通过计算向量得到新向量数据信息，以此保证LSTM对信息的更新、传递与分析。

门结构中包含着sigmoid激活函数。

Sigmoid激活函数被用于调节流经网络的值，作用类似于tanh函数，只是sigmoid函数将数值调节到0和1的范围内，而不是将其压缩成-1和1之间的值。

对现存的气温预测模型进行分析后，将以LSTM算法为基础，针对气温数据非平稳性这一点问题，采用EMD方法进行处理，消除时间序列数据上非平稳性的影响，对LSTM算法进行改进，建立EMD-LSTM模型预测，对模型预测效果进行分析评价。

设置sigmoid函数对于数据信息的处理很有帮助，它有助于更新或忘记信息，因为在数学上，0乘以任何数得到的结果都是0，这样处理后该信息将被删除，同样地，任何数乘上1得到的都是其本身，这个信息就会被完美地保存下来。

所以，通过sigmoid函数网络就知道该忘记哪些数据，该保存哪些数据。

为了进行预测，取定时间尺度范围，以2011-2019年为范围，选取9年内3248个数值按照时间顺序排成数据序列，为之后的EMD分解和LSTM预测做好基础。

遗忘门的功能是对信息进行弃或留的判断。

当信息在网络中流通时，LETM依靠遗忘门中一系列的内部运算操作，对数据信息有选择能力，可以选择哪些信息应该被保留。

遗忘门首先要调整内部状态，然后通过自循环连接将其作为输入数据添加到细胞中，从而自适应地遗忘或重置细胞的记忆。

递归神经网络（RNN）是一种可用于预测时间序列的神经网络，RNN的内部状态可以展示动态时序行为，依靠其强大的计算能力可以处理大量数据，应用于对大量气温数据的处理时，RNN由于数据序列过长，会忘记在较长序列中看到的信息内容，会导致网络具有短时记忆，而短时记忆存在的问题在研究气温预测上并非最好的选择，而且凭借内部的记忆，对任意时序的输入序列可以遍历所有序列并进行分析，处理后保存状态在网络中传递。

五年过后，方闲了解了新世界的基本常识，成为了一个考古学家，这次研究气候的态变化。

气候会影响自然资源，对于有自然资源优势的国家，气候变化可能会改变这方面的优势，同时，如果气候突然变化，可能会使国际贸易的运输和分配链随之变得脆弱，这种气候可能会进一步改变国际贸易的格局……首先在前向计算中，要通过复杂的计算得到每个步骤的输出值，再依次前进，让流程不断进行下去；其次反向计算里要得到相关误差值，才能便于后续操作，其中，LSTM误差项的反向传播包括了两个方向，其中一个是顺着时间走向的反向传播，即沿时间计算误差，从当前所在的时刻开始，将经历的每个时刻误差值都记录下来，而另一个是计算出误差项的值，并将其向上一层传播完成反向传播；最后每个误差项都要发挥其作用，LSTM需要根据相应的误差项的数值，计算每个权重的梯度，这样网络才能发挥作用9年内气温呈周期性变化，按照月份和季节变化而呈现相似的变化，按年划分后每年都出现一个波峰，每年的极大值都集中在7-8月，每年的极小值基本都集中在1月；从大体上可以看出日最高气温由数值0附近向数值35附近上升后又下降到数值0的附近，再按年周期变化。

输入门用于更新细胞状态并控制输入激活到细胞的流程。

首先，当前一个隐藏状态和当前输入的信息流经网络时，将它们传递给sigmoid函数，输入门利用sigmoid函数将值调整为0到1的范围内，数值为0表示不重要，数值为1表示重要，通过数值的重要程度来判断，确定要添加哪些信息用于更新状态；其次，输入门还需要将信息传递给tanh函数，在其控制的数值范围内生成新的数值向量，为下一步操作提供支持；最后，将sigmoid的输出值乘以tanh的输出值，判断得出的数值对应哪个范围，确定输出值代表的哪些信息是重要的，网络便将信息添加进来。

输入门向量计算分为两个部分，用sigmoid函数处理先前隐藏状态和当前输入的连接向量，同时，用tanh函数对先前的细胞状态进行处理，为之后细胞状态更新作准备。

以年为周期划分后，从均值和标准差（如表1）可以看出数据按照年变化而变化。

整体上，每一年的标准差基本接近，说明它们在均值波动的离散程度相似，稳定性也比较接近；而从均值上看，同样是大体接近的，差别并不是很大，而因为整个数据链围绕均值而波动，同时均值反映了总体的集中趋势，是一个表明总体分布的重要特征值，所以可以对气温数据按年划分后，取其中一年，对其具体分析从而得到整体的数据特征。

小说《酒剑仙：一剑霜寒十九州》试读结束，继续阅读请看下面！！！

推荐小说