共查询到20条相似文献，搜索用时 169 毫秒
1.
以浙江省2016年1-10月的雷达回波强度数据为基础,分别应用随机森林模型、BP神经网络模型、卷积神经网络模型来预测降雨量并进行对比.建模分析结果表明,随机森林模型预测效果精确度较低,容易低估较大的降雨强度,而BP神经网络和卷积神经网络预测的效果都比随机森林好,特别是卷积神经网络,其预测值与真实值更加接近,且对较大的降雨强度拟合较好. 相似文献
2.
通过对大同市2011-2012年PM10质量浓度、有关气象要素和参数进行随机抽样、分组,建立单隐含层BP神经网络、多隐含层BP神经网络以及RBF网络对以上数据进行调试和训练,得出：就2011-2012年预测PM10日均质量浓度样本而言,按预测效果好坏排序,多隐含层最佳BP神经网络＞单隐含层最佳BP神经网络＞RBF神经网络;从网络最小误差总和来看,三种网络对夏秋两季的预报效果最好;从预测值和实测值的拟合效果来看,RBF网络对春季和冬季PM10质量浓度的预测效果最好;多隐含层BP网络对秋季PM10质量浓度的预测效果最好;三种神经网络对夏季PM10质量浓度的预测效果都很好,优劣性差异不大. 相似文献
3.
利用NCEP月平均的500 hPa高度场和海表温度场分析资料、中国气象局台风年鉴(1949—1988年)和热带气旋年鉴(1989—2008年)资料,采用BP(神经网络模式)对发生在西北太平洋上的热带气旋年频数进行预测。对隐层节点数进行普查,采用试错法,并综合考虑模式精度及迭代次数,得到了相对较优的神经网络预测模式。利用选用的模式来预测热带气旋年频数,给出了具体的预测值及具有范围的预测值,8年独立样本检验结果表明有6/8的预测值处于或接近相应的预测范围内。 相似文献
4.
5.
6.
基于MATLAB的主成分RBF神经网络降水预报模型 总被引：13，自引：3，他引：10
以前期500 hPa高度场、海温场为预报因子,采用径向基函数(RBF)神经网络与主成分分析相结合的方法,建立了广西中部5月平均降水预报模型。在5年独立样本的预测检验中,预测的平均相对误差、均方误差及平均绝对误差分别为18.12%、50.52和34.23。对比分析RBF神经网络与BP(Back Propagation)神经网络的预测结果,表明RBF神经网络预测结果更准确、精度更高。 相似文献
7.
利用江西南昌地区南昌县、小蓝经开区、塔城乡和小莲村等站点多个时间序列的大气电场和雷电数据,选取南昌地区2018—2020年56个雷电活动过程中共计224个时间序列大气电场和经小波函数sym5和阈值分析法Rigorous Sure变换的大气电场信号进行训练和测试,建立自组织数据处理的群方法GMDH(group method of data handling)神经网络模型并应用于雷电活动的预警。结果表明：30～60 min GMDH神经网络模型预测值和实测值相关系数(R)在0.7～0.85之间,经过小波变换处理后的大气电场数据预测准确率更高,预测值与实测值的相关系数接近于1,均方误差、均方根误差以及准则值(P)均可控制在5%以内;借助提前获取的大气电场预测数据,通过大气电场强度剧烈的脉冲变化可以预示着雷电活动的发生,有效地提高雷电预警的准确率和时效性。 相似文献
8.
《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
9.
10.
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
11.
云南夏季降水年际变化较大,影响因子众多,夏季降水的预测较为困难。使用1965—2017年云南省122个气象观测站的逐日降水资料和NCEP大气环流资料,采用年际增量的方法来预测云南夏季降水。文中基于云南夏季降水年际增量变化规律和影响夏季降水的环流形势及物理过程,选取了6个具有物理意义的预测因子,包括:前期2月南太平洋海温异常、前期2月东亚北部海平面气压异常、前期4月北美500hPa位势高度异常、前期5月太平洋北部海平面气压异常、前期1月印度半岛北部500hPa位势高度异常及前期2月澳洲以南地区200hPa高度场偶极子异常,来建立云南夏季降水预测模型。并对预测模型进行逐年交叉检验和1998—2017年逐年独立样本检验。交叉检验中夏季降水年际增量预测值和观测值的相关系数为0.85,相对均方根误差为8.0%。回报检验中夏季降水年际增量的相对均方根误差为9.1%,63.0%的异常年份预测值能够准确地预报出夏季降水异常。该预测模型有较好的预测能力。 相似文献
12.
由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15.75%、31.66%、41.26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12.90%、24.45%、 38.99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。 相似文献
13.
描述了短期气候逐月降永预测系统的概念及其实现。首先讨论了把气候模式与人工神经网络结合起来开发一个气候预测支持系统的必要性和可能性。然后，给出了系统设计的框图，并对系统结构作了详细的讨论。最后，提出了有关预测结果分析和进一步完善的看法。 相似文献
14.
天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。 相似文献
15.
采用MM5模式及其三维变分系统(MM5/3DVAR)对我国夏季降雨进行了一个月的连续预测试验,并对试验结果进行评估.试验中首先采用"National Meteorological Center(NMC)"方法,将2005年8月的MM5模式的预测结果形成与试验区域和水平分辨率相匹配的背景误差场,并将其与全球背景误差场进行了对比分析,结果表明,采用2005年8月MM5模式预报结果生成的背景误差场的基本特征与系统提供的全球背景误差场相似,且长度尺度随着水平分辨率的提高而减小.之后,分别利用NCEP再分析资料(NCEP试验)、NCEP再分析资料基础上采用CRESSMAN方法分析观测资料(LITT试验)和NCEP再分析资料基础上采用3DVAR系统同化观测资料(3DVAR试验)形成模式预报初始场,再次对2005年8月降雨进行逐日连续预报.逐日降雨预报结果表明,相对NCEP试验,LITT试验中1 和10 mm的预报评分有明显提高,但 25 和 50 mm的预报评分却有所下降,而3DVAR试验的预报评分在10 mm以上均有明显提高.对于降雨期间的形势场预报,3个试验中,除温度场和湿度场外,其他变量场的均方根误差随高度增加而增加,但相比而言,3DVAR试验的均方根误差小于其他2个试验.3DVAR试验对降雨的明显改进,可能是因为其对与背景场信息差别比较大的反应中尺度系统的观测资料的分析结果比较靠近观测资料. 相似文献
16.
月降水量的年际变化具有显著的非线性变化特征,预测难度大,历来是重大气象灾害预测的重点难点问题。BP(back propagation)神经网络在月降水量预测业务中的研究和应用中,取得了较好的成果,其中应用较广泛的是PCA-BP神经网络模型、遗传算法优化神经网络、RBF神经网络预测模型、小波神经网络模型、粒子群-神经网络模型等,这些方法也在广西月降水量预测业务中得到很好的应用,对提高月降水量预测能力有较大帮助。因此,有必要对目前神经网络在月降水量预测中的优势和不足进行综述,提出未来研究需要关注的重点关键问题。 相似文献
17.
18.
基于时间尺度分离,利用NCEP第2代气候预测系统 (CFSv2) 每年4月起报的夏季月平均预测资料, 结合实际观测资料和再分析资料,对江淮流域及华北地区夏季降水距平百分率进行降尺度预测。将预测量和预测因子分为年际分量和年代际分量,在两个时间尺度上分别建立降尺度模型,两个预测分量之和为总预测量。对1982—2008年拟合时段的夏季降水距平百分率的回报结果表明:降尺度预测结果相对于原始模式结果预测技巧显著提高。降尺度预测与实况降水在江淮流域和华北地区的空间相关系数最大值超过0.8,多年平均值也分别提高到0.53和0.51;时间相关在每个站点也显著增强,相关系数为0.38~0.65。对2009—2013年进行独立样本检验,结果表明:降尺度模型能较好地预测出该时段的降水异常空间型态。同时,该模型对2014年夏季降水长江以南偏多、黄淮地区偏少的分布形势也有一定预测能力。 相似文献
19.
介绍了神经元方法降水预报系统及其在１９９９年汛期中对三峡地区的强降水预报试用情况,分析了该系统对强降水过程的预报能力,结果表明：该系统对降水过程有一定的预报能力,特别是对转折性天气及强降水过程的预报,其效果更好。 相似文献
20.
Comparison of long–term forecasting of June–August rainfall over changjiang–huaihe valley 总被引：10，自引：0，他引：10
In terms of an Artificial Neural Network (ANN) established is a long-term prediction model for June-August flood / drought in the Changjiang-Huaihe Basins and a regression forecasting expression is formulated with the aid of the same factors and sample size for comparison. Results show that the ANN is superior in predictions and fittings due to its higher self-adaptive learning recognition and nonlinear mapping especially in the years of severe flood and drought. This shows great promise in using ANN in the research of flood / drought prediction on a long-range basis 相似文献