由于神经网络方法在气象预报建模时,其初始权值和阈值难以确定,需要反复训练以确定网络结构和各种参数,这又容易导致过拟合问题,严重影响网络的泛化能力。优化BP神经网络的方法有很多,常用的是用遗传算法优化神经网络的权值阈值。但遗传算法又有其自身无法克服的缺点。针对遗传算法在初始化群体过程中,存在某些个体在初始化过程中适应度过大,在遗传算法后期适应度又趋于集中的问题,提出适应度值标定的方法,以改进遗传算法。因此,在遗传算法进行遗传算子操作运算之前先进行适应度值的标定,从而起到优化遗传算法的目的。基于上述思想,利用改进的遗传算法优化BP神经网络的权值和阈值,然后应用于北京市日最高最低气温的预测中。实验表明,改进的遗传神经网络与标准遗传神经网络相比具有一定的优越性,提高了神经网络的预测能力。