共查询到17条相似文献，搜索用时 125 毫秒
1.
2.
基于光电原理的日照计即将在全国推广应用,以光照度观测数据为主反演太阳辐射数据可以有效弥补太阳辐射观测站数量不足的现状。针对现有的太阳辐射反演方法的不足,提出一种融合主成分分析(PCA)、思维进化算法(MEA)和BP神经网络的复合模型,利用太阳光照度、太阳高度角、温度和湿度观测分钟数据反演太阳辐照度。首先,以晴空指数为依据,基于概率神经网络(PNN)分类法,将天气类型分为晴、云、阴3类,分类准确率达到96.6948%。再利用PCA降维后的4个影响因子,对3类天气分别采用BP、GA-BP和MEA-BP法反演太阳辐照度,与标准辐射表的实测数据对比。结果表明:晴、云、阴的MEA-BP模型的决定系数最高达到0.9958,与单一BP模型相比,RMSE分别降低了49%、32.45%和10.64%;相比于GA-BP模型误差,MAPE最高减少了42.54%。本文所提出的MEA-BP复合模型的泛化能力得到了有效提高。 相似文献
3.
神经网络在气象上的应用往往是采用固定学习率的BP算法建模,学习过程易出现振荡现象和网络存在冗余连接等缺陷,基于此对神经网络进行了改进。利用时间序列分析方法对样本数据进行处理,用改进后的神经网络对时间序列样本数据进行训练预测,创建了时间序列动态学习率神经网络模型。最后用库车县1997—2007年四季的平均气温值作样本数据进行训练,其训练精度和拟合度都达到很高的标准,用该模型预测了库车县2008年的气温。通过实例证明这个模型在气象预测领域有一定的实用价值。 相似文献
4.
为了进一步提高雷暴预报的准确率,在分析研究雷暴预报方法的基础上,提出了一种了基于改进遗传算法优化小波神经网络的雷暴预报方法(IGA-WNN).该方法利用聚类分析和牛顿迭代法对多种群遗传算法的收敛方向和精度进行改进,避免了种群同质化与局部最优问题,采用改进的遗传算法对小波神经网络的初始权值阈值进行了优化.选用南京地区2008—2009年6—8月的探空和闪电定位资料,使用灰关联法挖掘出关联程度较大的对流参数作预报因子,归一化处理后输入模型,采用独立样本进行预报检验.结果表明,与BP神经网络等方法相比,IGA-WNN预报准确率更高,具有更好的非线性处理能力和泛化性. 相似文献
5.
将中尺度数值天气预报模式与BP神经网络模型相结合用于风电功率预测,以WRF模式回算了2008年6月至2009年6月试验风电场的气象要素,精度检验结果显示风速预报值与对应实测值之间的相关系数达到0.72,风向、气温、湿度、气压的预报也比较准确,满足建立BP神经网络预报模型的需要.逐一建立试验风电场40台风电机组输出功率的BP神经网络预报模型,分析了数据标准化方法、隐含层神经元数对预报精度的影响.进行了26天实效为24 h的逐10 min预报试验,并以独立样本进行预报精度检验,结果显示单台风电机组输出功率相对均方根误差在24.8％～32.6％之间,预报值与实测值之间的相关系数现在0.45～0.68之间;风电场整体相对均方根误差为19.5％,预报值与实测值之间的相关系数为0.74.研究结果表明该方法可以用于实际的风电功率预测. 相似文献
6.
支持向量机是近年来提出的一种机器学习新算法,采用结构风险最小化准则,把学习问题转化为一个二次规划问题来获得最优解,克服了BP神经网络方法中无法避免的局部极值问题。根据支持向量机的原理和方法,在介绍半干旱半湿润地区汾河水库上游流域自然及水文特性的基础上,建立了基于支持向量机的径流预测模型,利用1990-2005年的水文资料进行了检验,并与BP神经网络预测结果进行了对比,结果表明,支持向量机预报模型的精度比BP神经网络有提高,且月径流和非汛期日径流中的预报结果可以用于指导实践。 相似文献
7.
为提高地基微波辐射计大气探测精度,融合BP神经网络与遗传算法,研究0~10 km大气温湿度廓线。首先,结合数据特征,基于数值模拟技术,建立一套TP/WVP-3000型号地基微波辐射计的一级数据质量控制和订正模型。然后,为减小训练样本代表性误差对模型反演精度的影响,利用遗传算法优化训练样本数据,建立一套精度更高的神经网络大气温湿度反演模型。最后,利用构建的反演模型,开展大气温湿度反演试验,结合探空资料和微波辐射计二级产品,评价反演模型精度。研究结果表明:(1)经过质量控制后的实测数据与模拟数据之间的相关性有显著提升;(2)经过质量控制与订正后建立的神经网络模型对比原微波辐射计二级产品的反演精度有一定提升,温度提升6.77%,湿度提升20.11%;(3)经过遗传算法优化后的训练样本所建立的神经网络反演模型对比原微波辐射计二级产品反演精度有进一步的提升,温度提升10.21%,湿度提升23.75%,反演结果与该地区同类型研究结果相比有着较大提升。 相似文献
8.
9.
基于前传式网络逼近的太平洋副热带高压活动的诊断预测 总被引：13，自引：1，他引：13
基于前传式神经网络BP算法(BackpropagationNeuralNetwork)和回归模型,探讨了西太平洋副高面积指数同赤道东太平洋海温及赤道纬向风之间非线性分类和映射逼近的建模方法和效果比较.结果表明,前传式网络,特别是回归网络预报模型具有较好拟合精度和预报效果及比较实用的预报时效. 相似文献
10.
为科学精准地为温室大棚生产提供气象服务,2020年11月—2021年5月分别在位于陕西省关中的泾阳县和陕北的延川县选择砖墙和土墙两种主要的生产棚型进行了大棚内外气温的对比观测试验,并采用BP神经网络和多元线性回归分析2种算法对不同棚型和晴空条件下的棚内气温进行了模拟预测研究。结果表明： 利用BP神经网络方法建立的预测模型较多元线性回归分析方法的模拟精度更高,BP神经网络方法对泾阳和延川梁家河试验示范园日光温室内气温预测模型拟合优度R2分别达075和077,均方误差分别为192 ℃和190 ℃;控制条件下,砖墙结构比土墙结构日光温室的气温预测精度更高;多云天气条件下模型的预测精度更高。 相似文献
11.
传统BP神经网络算法虽然具有良好的学习能力和容错能力,但是收敛速度慢,易陷入局部极小点等缺点制约了它的进一步发展和应用.针对这些不足,采用自适应学习率结合附加动量因子的方法可以有效缩短训练时间,加快收敛速度,同时抑制寻优算法陷入局部极小点.将该算法应用于图像字符识别系统中,通过一系列实验优化系统参数之后给出系统识别结果,表明该系统识别具有较高的准确性和鲁棒性. 相似文献
12.
以2007~2018年西宁二十里铺气象站探空资料为模拟样本,利用MonoRTM模式模拟中心频率21.985~58.759GHz的35通道亮温,应用BP神经网络对模拟数据进行反复训练,构建最优反演模型,并以2019年探空资料为测试样本,对比分析了不同季节和不同天气条件下BP神经网络与微波辐射计的反演效果。结果表明:晴空条件下,BP神经网络与微波辐射计在温度反演上效果最佳,水汽密度次之,相对湿度最差,其中冬春季BP神经网络反演效果优于微波辐射计,夏秋季反之;有云条件下,BP神经网络温度反演效果在冬、春和夏季均优于微波辐射计,其水汽密度反演效果在四季均较微波辐射计有明显提升,其相对湿度反演效果在冬、春和夏季均较微波辐射计更佳。晴空和有云条件下,BP神经网络在不同季节反演温度、水汽密度和相对湿度的平均绝对误差和标准偏差均小于微波辐射计,尤其是相对湿度的反演精度提升最为明显。晴空条件下,BP神经网络反演温度廓线在春、夏和秋季效果最佳,反演水汽密度廓线在中低层精度较高,反演相对湿度廓线的精度较差,但基本和探空资料趋势一致;有云条件下,BP神经网络反演温度廓线与晴空时基本一致,较微波辐射计精度更高,反演水汽密度和相对湿度廓线在8km以上效果较好。 相似文献
13.
重庆市区雾的天气特征分析及预报方法研究 总被引：5，自引：1，他引：4
分析了重庆市区雾的特点、天气特征及温、湿等气象要素垂直分布特征,利用重庆站的观测资料选取适当的诊断因子,采用动态学习率BP算法的人工神经网络对重庆市区能见度进行了拟合和预报检验。研究表明:55年以来,重庆年雾日数总体呈逐年下降趋势,同时轻雾日数急剧上升,这种变化可能主要与城市热岛效应增强和空气污染状况加重有关;发展成熟的辐射雾大多具有逆温的稳定结构,雾顶上下温度、湿度存在明显跃变特征;神经网络模型具有较强的自适应学习和非线性映射能力,对能见度为0~1 km雾的报出率为83%,Ts评分达到69%,平均预报误差为0.384 km。除常规气象要素外,通过M指数、Ri数、凝结核、辐射状况和其他物理量的引入,以及对因子网络输入值的技术处理,明显提高了神经网络对雾尤其浓雾的预报能力,其对能见度在0.4 km以下浓雾预报的Ts评分可达89.5%。模型结果对重庆市区雾的预报具有良好的参考价值。 相似文献
14.
Deviation exists between measured and simulated microwave radiometer sounding data. The bias results in low-accuracy atmospheric temperature and humidity profiles simulated by Back Propagation artificial neural network models. This paper evaluated a retrieving atmospheric temperature and humidity profiles method by adopting an input data adjustment-based Back Propagation artificial neural networks model. First, the sounding data acquired at a Nanjing meteorological site in June 2014 are inputted into the MonoRTM Radiative transfer model to simulate atmospheric downwelling radiance at the 22 spectral channels from 22.234GHz to 58.8GHz, and we performed a comparison and analysis of the real observed data; an adjustment model for the measured microwave radiometer sounding data was built. Second, we simulated the sounding data of the 22 channels using the sounding data acquired at the site from 2011 to 2013. Based on the simulated rightness temperature data and the sounding data, BP neural network-based models were trained for the retrieval of atmospheric temperature, water vapor density and relative humidity profiles. Finally, we applied the adjustment model to the microwave radiometer sounding data collected in July 2014, generating the corrected data. After that, we inputted the corrected data into the BP neural network regression model to predict the atmospheric temperature, vapor density and relative humidity profile at 58 high levels from 0 to 10 km. We evaluated our model’s effect by comparing its output with the real measured data and the microwave radiometer’s own second-level product. The experiments showed that the inversion model improves atmospheric temperature and humidity profile retrieval accuracy; the atmospheric temperature RMS error is between 1K and 2.0K; the water vapor density’s RMS error is between 0.2 g/m3 and 1.93g/m3; and the relative humidity’s RMS error is between 2.5% and 18.6%. 相似文献
15.
BP神经网络在油菜花期预报中的应用 总被引：1，自引：0，他引：1
建立花期预报模型,发布观赏性植物的精准花期预报,为旅游活动提供重要参考依据,已经成为气象服务领域一个新的发展方向。为了解高淳旅游区油菜花期的变化规律,探索其预报方法,指导高淳油菜花节旅游活动,根据1985—2010年高淳站日最高气温、日最低气温、日平均气温、日降水量、日日照时数、日平均5 cm地温、日平均相对湿度和日小型蒸发量等气象观测数据,利用主成分分析法,得到其与油菜花期相关系数较大的3个主成分,即温度因子、天气因子和辐射因子,以此为输入因子,建立基于BP神经网络的油菜花期预报模型,探讨BP神经网络在花期预报领域的应用。结果表明,传统的有效积温方法预报结果与实际开花期平均相差4.25天,BP神经网络方法预报结果与实际开花期平均相差1.5天,与有效积温预报油菜花期的方法相比,BP神经网络技术具有预测结果准确率高和操作简单等特点,在花期预报领域具有广阔的应用前景。 相似文献
16.
基于一维变分算法的地基微波辐射计遥感大气温湿廓线研究 总被引：3，自引：1，他引：2
为研究地基微波辐射计遥感温、湿度廓线的一维变分算法的反演能力,用北京地区2010—2011年00和12时(世界时)的多通道地基微波辐射计亮温资料进行试验。首先,利用同时次的地面观测资料、红外亮温(由地基微波辐射计自带红外传感器测得)及探空观测数据,给出提取无云样本的方案,得到432个无云样本;再以辐射传输模式计算得到的模拟亮温为参考,对无云条件下的观测亮温进行质量控制;然后利用探空数据进行模拟试验,结果发现,一维变分算法对3 km以下的温度廓线有较大调整。使反演结果更加接近探空,而对湿度廓线在0—10 km都有不同程度的优化;最后利用一维变分算法对地基微波辐射计观测亮温进行大气温湿廓线反演,将结果与探空对比可以看出,温度廓线的均方根误差小于2.9 K,绝对湿度的均方根误差小于0.47 g/m~3;进一步与地基微波辐射计自带神经网络的反演结果比较表明,一维变分的反演结果更接近实际大气。 相似文献
17.
为提升地基微波辐射计在不同天气条件下, 特别是云天条件下温湿廓线的反演精度, 利用2011年1月—2016年12月中国气象局北京国家综合气象观测试验基地探空数据, 在微波辐射计反演温湿度廓线的过程中通过区分晴天和云天条件并引入全固态Ka波段测云仪云高及云厚信息, 对反演输入亮温进行质量控制和偏差订正, 建立BP神经网络模型, 采用2017年1月—2018年3月微波辐射计探测数据评估检验, 结果表明:在亮温订正前提下, 晴天温度模型、云天温度模型、晴天相对湿度模型和云天相对湿度模型反演结果与探空的相关系数分别为0.99, 0.99, 0.80和0.78, 均方根误差为2.3℃, 2.3℃, 9%和16%, 较微波辐射计自带产品（LV2产品）减小约0.4℃, 0.3℃, 11%和9%, 准确性提升约30%, 28%, 64%和45%;温度模型偏差在±2℃以内、湿度模型偏差在±20%以内的占比分别为68%, 70%和95%, 78%, 较LV2产品分别提高了7%, 5%和27%, 23%, 其中相对湿度改善明显。可见亮温订正、区分天气类型训练反演模型有利于改善地基微波辐射温湿廓线反演精度。 相似文献