共查询到19条相似文献,搜索用时 98 毫秒
1.
2.
3.
采用BP神经网络和逐步线性回归两种模型,以2014—2017年汕头市金平环境监测子站的6种污染物质量浓度以及同期汕头市国家基准气象观测站37类地面气象观测数据为预报因子,对该站O3最大8h质量浓度进行预测。结果表明:两种预报模型在历史数据拟合效果上并不存在明显差异,总体上冬春季的模型拟合度高于夏秋季。在2017年7和12月2个独立样本的预报效果检验中,BP网络模型预报准确指数(d)分别比回归模型高10.4%和0.8%;BP网络模型预报级别准确率(TS)分别比回归模型高12.9%和3.3%。BP网络模型无论在预报精度还是预报稳定度上均明显优于回归模型。夏秋季降水因子的影响常导致BP模型预报值出现正误差,冬春季冷空气南下的影响常导致BP模型预报出现负误差。 相似文献
4.
利用1999—2009年安徽省淮河以南地区60个县市站夏季逐日降水资料和安庆市探空站逐日资料,研究了中低层不同风向配置下局地降水与大尺度降水场之间的关系,以3种不同预报对象及相应的预报因子分别采用神经网络和线性回归方法设计6种预报模型对观测资料进行逼近和优化,从而实现空间降尺度.分析对比6种预报模型46站逐日降水量的拟合和预报效果,结果表明:采取相同的预报对象及预报因子的BP神经网络模型在拟合和预报效果上均好于线性回归模型,可见夏季降水场之间以非线性相关为主;神经网络模型预报结果同常用的Cressman插值预报相比,能很好地反映出降水的基本分布及局地特征;预报对象为单站降水序列的神经网络模型在以平原、河流为主要地形的区域预报效果较好,预报对象为REOF主成分的神经网络模型则在山地和丘陵地形区域预报效果较好. 相似文献
5.
针对海洋区域尤其远海缺乏探空资料,且常用的Bevis经验模型在海区存在模型系统误差的问题,研究基于ERA-Interim再分析资料构建海洋区域E-T_m回归模型。利用不同时间的ERA-Interim数据及近海探空资料,对E-T_m回归模型的拟合效果及预报能力进行检验,并与常规T_m获取方法进行比较,结果表明,E-T_m回归模型拟合效果较好,相比Bevis经验模型,其预报稳定性及精度更高;在典型海区与基于探空资料建立的本地化模型进行了预报精度的比较,结果表明,2. 5°×2. 5°分辨率的E-T_m模型与探空资料建立的本地化模型精度相当,可以在无法建立探空站的海域进行使用,仅存在1%的平均转换误差。 相似文献
6.
利用典型相关分析作攀枝花市雨季开始期预报试验,选择1965~2001年的海洋特征指数、500hpa环流指数、太阳黑子数作为预报因子,建立典型回归模型.再以典型变量作为预报因子,用逐步回归和最优子集回归分别建立各站的预报模型,用2002~2004年的资料进行检验,对比试验结果表明:逐步回归和最优子集回归预报效果较好,典型回归模型效果较差. 相似文献
7.
选取单部雷达的CAPPI资料,在TREC(Tracking Reflectivity Echo by Correlation)的基础上,引入径向基函数网络、广义回归网络、小波BP网络3种人工神经网络以及支持向量机,对雷达反射率因子进行1h的临近预报研究,并与TREC外推预报的结果进行了比较.使用了命中率、虚警率、漏报率、临界成功指数、相关系数和均方根误差6个指标检验人工神经网络、支持向量机和TREC的预报效果.结果表明:在使用这些指标检验预报效果时设定的阈值对预报结果的评价有影响;网络与TREC以及不同的网络之间的预报结果存在着差异;与TREC相比,支持向量机比TREC总体上能更好地预报未来1h以内强对流性天气的发展变化情况. 相似文献
8.
混合递阶遗传径向基网络及其在副热带高压预报中的应用 总被引:1,自引:1,他引:0
采用遗传算法与径向基网络结合的方法建立了副热带高压特征指数的预报优化模型.针对径向基网络结构和初始参数难以客观确定的不足,引入混合递阶遗传算法同时优化网络结构和参数.该优化方法结合了递阶遗传算法和最小二乘法的优点,具有较高的学习效率.将混合递阶遗传径向基网络用于副高数值预报产品的预报试验和效果比较,结果表明:混合递阶遗传算法优化的径向基网络模型具有较好的收敛效果和泛化能力,对副高指数的预报效果有较明显的改进和提高. 相似文献
9.
10.
11.
针对影响台风强度前期预报因子较多以及因子的非线性变化特点,首先采用逐步回归方法筛选出部分预报因子,再利用核主成分分析方法在剩余的预报因子中提取包含了原数据较多信息的核主成分与前期选入的预报因子共同作为模型输入.进一步考虑到神经网络集合预报中个体的准确性和差异性的权衡问题,在不同的初始条件下生成若干组神经网络,分别选择每组中性能最优的个体,建立了一种新的非线性神经网络集合预报模型.最后以西北太平洋海域2001-2010年5-10月的台风强度为研究对象进行了预报试验.结果表明,这种神经网络集合预报模型的预报结果符合实际应用的要求,其预报平均绝对误差明显小于同等条件下的神经网络方法和逐步回归预报方法. 相似文献
12.
1991年江淮梅雨结束,在预报上具有相当难度。由于ECMWF数值预报出现重大偏差,曾一度造成业务预报的重大分歧,增加了预报决策的困难。作者客观地反映当时预报的实况,其目的在于剖析预报分歧中的症结,并由此提出预报员的经验可以弥补单一预报工具的不足,修正数值预报产品的误差,从而提高预报准确率。 相似文献
13.
为了解主分量因子分析在热带气旋强度客观预报中的应用效能,在NCEP再分析资料、T106L19模式产品和热带气旋历史观测资料基础上,采用主分量因子分析技术,结合多元线性回归和BP型人工神经网络,开展了西北太平洋热带气旋的强度客观预报技术研究试验。试验包含完全预报法原理下的预报因子有无主分量分析、线性与非线性预报方法建模等方面的比较。结果表明,预报因子的主分量分析通过降低线性回归和BP人工神经网络模型的维数,提高因子间独立性,可减小模型强度预报平均绝对误差,提高模型实际预报能力。 相似文献
14.
利用1998-2013年TRMM月降水量产品与新疆同期的105个气象站地面观测降水量,运用逐步回归与BP神经网络方法,选取1998-2010年数据建立新疆地区的降水订正模型,并利用2011-2013年月降水量进行检验。结果表明:加入地形因子对TRMM月降水量产品订正效果明显,整体上两种模型对TRMM月降水量产品订正的相关系数从最初的0.66分别提高到0.75和0.80,相对误差由10.75%分别降低为4.88%和3.19%;月尺度上,TRMM月降水量产品相对误差为-5.68%~54.44%,经逐步回归模型订正后为-4.26%~32.57%,而BP神经网络模型订正后为-5.33%~24.48%,表明BP神经网络模型订正效果更好;从综合时间技巧评分ST看,订正后TRMM月降水量产品在各月的效果均有不同程度提高,逐步回归模型订正后提高0.01~0.49,BP神经网络模型订正后提高0.03~0.70。因此,基于逐步回归模型与BP神经网络模型订正的TRMM降水量产品均能够准确、定量地再现降水分布,为TRMM降水量产品质量改进提供一种较实用的参考方法。 相似文献
15.
The possibility of using a nonlinear empirical atmospheric model for hybrid coupled atmosphere-ocean modelling has been examined
by using a neural network (NN) model for predicting the contemporaneous wind stress field from the upper ocean state. Upper
ocean heat content (HC) from a 6-layer ocean model was a better predictor of the wind stress than the (observed or modelled)
sea surface temperature (SST). Our results showed that the NN model generally had slightly better skills in predicting the
contemporaneous wind stress than the linear regression (LR) model in the off-equatorial tropical Pacific and in the eastern
equatorial Pacific. When the wind stresses from the NN and LR models were used to drive the ocean model, slightly better SST
skills were found in the off-equatorial tropical Pacific and in the eastern equatorial Pacific when the NN winds were used
instead of the LR winds. Better skills for the model HC were found in the western and central equatorial Pacific when the
NN winds were used instead of the LR winds. Why NN failed to show more significant improvement over LR in the equatorial Pacific
for the wind stress and SST is probably because the relationship between the surface ocean and the atmosphere in the equatorial
Pacific over the seasonal time scale is almost linear.
Received: 2 March 1999 / Accepted: 13 July 2000 相似文献
16.
以神经网络方法为基础,建立西北太平洋热带气旋强度预测模型,模型首先进行历史相似热带气旋选择。从选择的样本出发,计算得到一组气候持续因子、天气学经验因子和动力学因子, 对这些因子采用逐步回归方法进行筛选,将筛选得到的因子同对应时效的热带气旋强度输入神经网络训练模块,从而得到优化的预测模型。从2004-2005年西北太平洋26个热带气旋过程对12,24,36,48,72h等不同预报时效分别进行的634,582,530,478,426次预测试验结果的统计来看,相对于线性回归模型预测水平,该模型显著降低了各时段的预测误差。从几个热带气旋个例的预测结果来看, 该模型对超强台风, 以及具有强度迅速加强、再次加强等特征的热带气旋过程均有很好的描述能力。 相似文献
17.
利用人工神经网络模型预测西北太平洋热带气旋生成频数 总被引:1,自引:0,他引:1
通过对60年(1950~2009年)北半球夏、秋季(6~10月)热带气旋(TC)频数与春季(3~5月)大尺度环境变量的相关分析,挑选出8个相关性较高的前期预报因子建立人工神经网络(ANN)模型,对2010~2017年8年夏、秋季TC频数进行回报,并将回报结果与传统多元线性回归(MLR)方法所得结果进行对比分析。结果表明,ANN模型对60年历史数据的拟合精度高,相关系数高达0.99,平均绝对误差低至0.77。在8年回报中,ANN模型相关系数为0.80,平均绝对误差为1.97;而MLR模型相关系数仅为0.46,平均绝对误差为3.30。ANN模型在历史数据拟合和回报中的表现都明显优于MLR模型,未来可考虑应用于实际的业务预测中。 相似文献
18.
19.
A prediction scheme with genetic neural network and Isomap algorithm for tropical cyclone intensity change over western North Pacific 总被引:1,自引:1,他引:0
A western North Pacific tropical cyclone (TC) intensity prediction scheme has been developed based on climatology and persistence (CLIPER) factors as potential predictors and using genetic neural network (GNN) model. TC samples during June–October spanning 2001–2010 are used for model development. The GNN model input is constructed from potential predictors by employing both a stepwise regression method and an Isometric Mapping (Isomap) algorithm. The Isomap algorithm is capable of finding meaningful low-dimensional architectures hidden in their nonlinear high-dimensional data space and separating the underlying factors. In this scheme, the new developed model, which is termed the GNN-Isomap model, is used for monthly TC intensity prediction at 24- and 48-h lead times. Using identical modeling samples and independent samples, predictions of the GNN-Isomap model are compared with the widely used CLIPER method. By adopting different numbers of nearest neighbors, results of sensitivity experiments show that the mean absolute prediction errors of the independent samples using GNN-Isomap model at 24- and 48-h forecasts are smaller than those using CLIPER method. Positive skills are obtained as compared to the CLIPER method with being above 12 % at 24 h and above 14 % at 48 h. Analyses of the new scheme suggest that the useful linear and nonlinear prediction information of the full pool of potential predictors is excavated in terms of the stepwise regression method and the Isomap algorithm. Moreover, the GNN is built by integrating multiple individual neural networks with the same expected output and network architecture is optimized by an evolutionary genetic algorithm, so the generalization capacity of the GNN-Isomap model is significantly enhanced, indicating a potentially better operational weather prediction. 相似文献