共查询到20条相似文献，搜索用时 15 毫秒
1.
《贵州气象》2016,(5)
利用2014年1月—2015年12月海南海口居民住宅室内小气候观测数据和室外气象要素,基于BP神经网络构建海口住宅室内气温预测模型,通过与统计回归模型相比来综合评估模型的预测效果。结果表明:BP模型预测精度较高,不同季节预测精度存在差异,春秋季精度最高、夏季精度最差,其中地温加入对模型预测精度有较大改进。不同季节采用地温的BP模型对室内气温的预测值与观测值的均方根误差分别为0.25℃、0.62℃、0.26℃和0.52℃,平均绝对误差均小于0.5℃,即误差均在合理范围内。且预测精度(RMSE)较统计回归模型分别提高了26.5%、34.7%、56.7%和25.7%。可见该模型可以满足海口居民住宅室内气温的预测需求,可为室内居住环境、建筑能耗研究提供有效的基础数据。 相似文献
2.
利用浙江省慈溪市的公众天气预报和草莓大棚内极端气温的观测数据,构建一个以室外日最高气温、最低气温、相对湿度、最大风级、白天和夜间天空状况作为输入变量,棚内日最高气温和日最低气温作为输出变量的BP神经网络预测模型。用以预测草莓大棚室内日最高气温和日最低气温。结果表明,该模型对大棚内日最高气温、日最低气温的训练值和实测值之间的均方根误差分别为4.0℃和1.3℃,绝对误差则分别为3.2℃和1.0℃;日最高气温和日最低气温的预测值和实测值之间的均方根误差分别为3.6℃和1.2℃,绝对误差为3.0℃和1.0℃。该模型数据获取方便,实用性强,模拟精度较高,可以较准确的预测未来温室内的极端气温,为温室管理和调控提供依据。 相似文献
3.
不同材质墙体日光温室内气温演变 总被引：1，自引：0，他引：1
为探寻不同材质墙体日光温室内气温的演变规律,找出其增温保温差异,以便有针对地进行温室种植和管理,本文通过在复合异质墙体日光温室和土墙日光温室内设立不同梯度和不同方位的监测点,连续监测两座温室内气温的全天变化,并采用MATLAB技术,展现不同天气条件下两座日光温室内气温的空间变化。结果表明:(1)晴天时,复合异质墙体日光温室内的升温和降温速率均较土墙日光温室大,阴天时,两座温室内的升温和降温速率基本相等,复合异质墙体日光温室较土墙日光温室有较强的增温保温性能;(2)复合异质墙体日光温室内的气温较同时刻土墙日光温室内气温高,晴天时,复合异质墙体日光温室内最高气温和最低气温比土墙日光温室内分别高3.0~8.0℃和1.0℃,阴天时则分别高2.0~3.0℃和3.0℃。 相似文献
4.
5.
动态学习率神经网络预测气温的尝试 总被引：3，自引：1，他引：3
采用单站气象资料建立动态学习率的神经网络预测模型，进行逐日气温模拟预测，并与逐步回归预测模型和固定学习率的神经网络模型比较，结果表明，神经网络模型预测能力较好，但训练时间长。采用动态学习率的网络模型在不损失预测精度的前提下大大减少了训练时间，为神经网络在气象中的应用提供了一种方法。 相似文献
6.
我国气温变化的神经网络预测模型 总被引：3，自引：1，他引：2
利用神经网络系统工具,把CO2浓度、太阳辐射、全球冰量和气溶胶作为输入,把气温作为输出,结果发现模拟值和目标值吻合较好,比多元回归拟合值的精度高.在此基础上,进行了两个控制性试验,即CO2浓度每年分别增加1%和0.5%,试验结果表明:随着CO2浓度的增加,21世纪前30年每10年中国气温的增加速度分别为0.4 ℃和0.2 ℃;到21世纪末,中国气温将分别增加3.8 ℃和2.4 ℃,神经网络模拟结果和气候系统模式模拟结果具有较好的一致性,从而进一步说明,神经网络预测模型在分析气候变化方面具有可信性和可行性. 相似文献
7.
应用kriging空间插值法、多元线性回归模式法、三维二次趋势面模式法通过拟合及模拟效果检验,对青海高原气温、积温热量资源要素进行了空间栅格化。结果表明:多元线性回归模式对气温拟合度可达到0.898,模式残差均值达到-0.029℃,残差均方差为1.009,三维二次趋势面模式三项指标分别为0.895℃、-0.175℃、1.150℃。多元线性回归拟合积温中三项指标分别是0.955、-62.4℃、175.4℃,三维二次趋势面法分别是0.969℃、-37.0℃、164.6℃。对检验站资料的分析表明,三种方法对气温的模拟绝对误差平均是1.9℃、0.9℃、0.8℃,相对误差平均值是15.2%、6.7%、6.0%。从分析中可知,kriging空间插值法可以模拟青海高原热量资源的分布趋势,操作简单,但精度稍差,可适用于下垫面均一,范围较小区域。三维二次趋势面模式法模拟结果要略优于多元线性回归模式,两种方法模拟精度差异较小,高原地区应用两种方法均可获得高分辨率的栅格化热量资源资料。 相似文献
8.
以1962—2006年粤北地区7个站4—6月前汛期降水量资料为基础,将前汛期降水量与74项环流指数资料进行灰色关联度分析,确定了影响粤北地区前汛期降水量的16个关键环流指数因子,分别应用投影寻踪回归、BP神经网络和逐步回归方法,建立前汛期降水趋势预测模型,对粤北地区前汛期降水趋势进行预测。结果表明:投影寻踪回归和BP神经网络方法的预测能力均优于传统的逐步回归模型。其中,PPR模型比BP神经网络方法的预测效果更好。 相似文献
9.
投影寻踪回归与BP神经网络方法在前汛期降水预测中的比较研究 总被引：1，自引：0，他引：1
以1962—2006年粤北地区7个站4—6月前汛期降水量资料为基础,将前汛期降水量与74项环流指数资料进行灰色关联度分析,确定了影响粤北地区前汛期降水量的16个关键环流指数因子,分别应用投影寻踪回归、BP神经网络和逐步回归方法,建立前汛期降水趋势预测模型,对粤北地区前汛期降水趋势进行预测。结果表明：投影寻踪回归和BP神经网络方法的预测能力均优于传统的逐步回归模型。其中,PPR模型比BP神经网络方法的预测效果更好。 相似文献
10.
利用参与IPCC-AR4的8个全球气候系统模式对20世纪气候模拟情景下地面气温的模拟结果,对其进行多模式集成处理。在此基础上,对这些全球气候系统模式在各种能源之间的平衡（A1B）情景下2010—2030年的地面气温进行多模式超级集合预测。结果发现,8个全球气候系统模式模拟的地面温度均方根误差都比多模式简单集合平均的大。超级集合相对于各个模式及简单集合平均的模拟效果更好,其均方根误差比最好的模式误差减小了13℃。在A1B情景下,超级集合预测未来20 a北半球平均地面气温将普遍升高,大洋上的增温幅度比陆地上小。中国东部地区以及青藏高原、新疆大部未来20 a气温将明显升高,内蒙东部和辽宁西部最高升温可达20~24 ℃,其余地区升温在20 ℃以内。 相似文献
11.
分析了北京市道面温度在冬季和夏季不同天气状况下的日变化,利用2012—2015年的道面站温度与北京区域模式输出的气象要素之间的相关关系,以5个道面站为代表站筛选不同相关因子建立多个道面冬季最低温度和夏季最高温度的线性回归统计预测模型,并对2016—2017年冬季、夏季道面温度预测检验。结果表明:在不同天气条件下道面温度与气温变化对比明显;道面温度与气温、辐射、日照时数相关较大;夏季按天气类型建模预测准确度有所提升,在晴到多云状况下,模型预测冬季最低温度误差控制在±2℃内,夏季最高温度误差控制在±3℃左右,其他天气状况下误差增大,冬季预测模型好于夏季预测模型。 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.
利用咸阳市12个国家气象观测站1960—2019年冬季(12月至翌年2月)平均气温、平均最高气温、平均最低气温等资料,采用一元线性趋势、累积距平、Mann Kendall趋势和检验等分析方法,对咸阳市近60年的冬季气温变化特征进行分析。结果表明：近60年来咸阳市冬季平均气温、平均最高最低气温、极端最高最低气温和年均气温存在明显的上升趋势,其线性趋势率分别为0348、0371、0331、0257、0297、0232 ℃/10 a;冬季气温增温趋势与年均气温趋势具有一致性,线性趋势率大于年气温,尤其是冬季最低气温的线性趋势率最大;冬季各月以2月线性趋势率最大,为050 ℃/10 a,表明2月气温的升高对冬季变暖贡献较大;冬季平均、平均最低最高、极端最低最高气温的突变时间分别在1985、1985、1995、1970和2000年,冬季气温突变比年气温突变发生早,以极端最低气温发生突变最早;冬季以20世纪90年代中后期为界,由冷冬为主转为暖冬为主,咸阳冬季气温与西北地区冬季气温变化趋势具有一致性。空间分布上,咸阳冬季平均气温呈北低南高分布,而线性趋势率大致呈北高南低分布,最大为淳化,最小为武功,北部五县比南部七县气温突变发生时间早,线性增温速率大,气温变化波动较大。 相似文献
14.
为走出农民增收和农业增效困境,武威市确立了发展日光温室生产的主体生产模式,通过气象观测对引进和推广的新型日光温室进行有益探索,重点对比以土质墙体和草砖为后墙的2种温室冬季的保温性。结果表明:(1)与温室外温度相比,2种结构温室内的温度明显偏高,且土墙保温蓄热效果明显好于草砖。其中,土墙温室较草砖温室旬平均气温偏高1.8~1.9℃,旬极端最低气温偏高2.8~2.9℃,旬平均地温偏高0.9~4.1℃;(2)从不同时段看,土墙蓄热冷却速度明显低于草砖。冬季盖帘时段,土墙温室内气温较草砖偏高3.4~10.8℃,平均偏高3.1℃,地温偏高0.1~7.4℃,平均偏高3.5℃;揭帘时段,土墙温室内气温较草砖偏高4.1~14.7℃,平均偏高4.2℃,地温偏高0.3~7.7℃,平均偏高3.7℃;(3)从典型天气条件看,夜间及清晨土墙室内气温较草砖偏高幅度晴天阴天雪天;白天偏高幅度晴天的最大,雪天的次之,阴天相差不大。土墙温室内地温变化幅度较小,晴天和阴天草砖温室内地温变化幅度略大,且土墙温室内地温高于草砖,雪天相差最大;(4)2种温室结构对产量的影响效果显著,辣椒总产量土墙温室高于草砖温室18%。 相似文献
15.
利用湛江市近50年来的月平均气温时间序列资料,将卡尔曼滤波与人工神经网络方法相结合,建立了湛江气温的短期气候预测模型.试验结果表明,这种基于卡尔曼滤波的神经网络模型对湛江的平均气温具有较好的预测能力,在平均绝对误差(MAE)小于1.5℃的条件下,实际预报准确率达到91.7%,对短期气候预测的业务工作具有较高的参考价值. 相似文献
16.
以中国夏季气温为预测对象,选取东亚地区冬季500 h Pa高度场、海平面气压场、地表温度场和850 h Pa温度场为预测因子,采用1951~2009年去趋势处理后的资料,通过变形的典型相关分析(Barnett-Preisendorfer Canonical Correlation Analysis,BP-CCA)方法分别建立单因子预测模型,再利用集合典型相关分析(Ensemble Canonical Correlation,ECC)方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010~2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。 相似文献
17.
利用2012—2013年冬季菏泽巨野日光温室内的小气候观测资料分析了温室内最低气温、最高气温与当天及前一天温室内外各气象要素的相关性,在删选出相关显著要素的基础上,采用主成分分析法建立了温室内气温预测模型。结果表明:1温室内最低气温与当天及前1天温室内外8个气象要素的相关性比较显著,温室内最高气温与当天及前1天温室内外9个气象要素的相关性比较显著,而且各气象要素之间也存在较好的相关性。2主成分回归分别提取了影响温室内最低气温、最高气温的3个主成分因子,建立的温室内气温预测模型通过了显著性检验。3回代检验的结果为,不同天气状况下的最低气温预测值和实际值的平均绝对误差在1℃左右,不同天气状况下的最高气温预测值和实际值之间的平均绝对误差在1.5℃左右。经2013—2014年冬季的温室小气候数据应用检验结果为,不同天气状况下的最低气温、最高气温预测值与实测值的平均绝对误差分别在1.1℃和1.5℃左右,其中晴天条件下的最低气温检验效果较好,绝对误差为0.9℃,寡照天气下的最高气温检验相对较好,绝对误差为1.4℃。 相似文献
18.
利用湛江市近50年来的月平均气温时间序列资料，将卡尔曼滤波与人工神经网络方法相结合，建立了湛江气温的短期气候预测模型。试验结果表明，这种基于卡尔曼滤波的神经网络模型对湛江的平均气温具有较好的预测能力，在平均绝对误差（MAE）小于1．5℃的条件下，实际预报准确率达到91.7％，对短期气候预测的业务工作具有较高的参考价值。 相似文献
19.
基于辐射传输模型MonoRTM计算天空亮温度,使用多元线性统计回归方法和BP神经网络方法分别对大气温度和水汽密度廓线进行了反演,检验并分析了两种方法的反演精度.结果表明,多元线性回归方法反演的温度偏差总体不大于6K,反演的水汽密度偏差小于4 g/m3;神经网络方法反演的温度偏差小于2K,反演的水汽密度误差总体不大于2 g/m3.与探空数据的对比表明,对于大气温度和水汽密度反演,BP神经网络方法的反演结果都要比多元线性回归方法的反演结果更接近探空资料值. 相似文献
20.
《气象与环境学报》2016,(1)
利用2003—2012年海口市气象站不同季节逐时太阳总辐射观测资料与对应气象参数,建立基于小波BP神经网络法逐时太阳总辐射的预测模型,并利用2013年太阳总辐射数据对模型进行检验,且与建立的逐步回归模型进行对比。结果表明:小波神经网络法建立的逐时太阳总辐射预测模型精度较高,但不同季节模型预测精度存在差异,冬季预测精度最高,夏季预测精度最差,天气类型指数有利于不同季节模型预测精度的提高。春季、夏季、秋季和冬季加入天气类型指数神经网络模型的逐时太阳总辐射预测值与观测值的回归估计标准误差分别为0.32、0.47、0.35 MJ·m-2及0.23 MJ·m-2,比逐步回归模型的预报精度分别提高了28.8%、16.3%、17.9%和20.4%,说明基于小波神经网络法建立的预测模型可为海南地区逐时太阳总辐射预测提供参考。 相似文献