共查询到10条相似文献，搜索用时 125 毫秒
1.
BP-CCA方法用于四川盆地夏季日降水量的可预报性研究 总被引：1，自引：0，他引：1
基于BP-CCA方法,首先讨论了多个因子对四川盆地夏季降水降尺度模型的可预报性,然后选取最佳预报因子并进行集合,最终基于T639模式建立最优多因子降尺度预报模型.结果表明,分别以东亚夏季10m纬向风、700hPa纬向风和700hPa相对湿度为预报因子的降尺度模型对四川盆地夏季降水的预报技巧较高,而将三个因子集合的多因子降尺度预报模型具有更好的预报能力.进一步将该方法应用于T639模式预报的预报因子场,发现多因子降尺度模型对降水的预报效果要优于T639模式直接输出的结果. 相似文献
2.
SVM方法在降水预报中的应用及改进 总被引：3，自引：0，他引：3
以T213数值模式输出产品为基础,结合常规观测的降水资料,利用SVM方法,进行了大量多因子的随机交叉验证,从而选出最优参数,建立了全国72个站点的降水预报模型,并用独立的样本对预报模型进行了检验.再通过计算正、负样本的贴近度来分析预报因子,实现了预报因子的筛选和降水预报模型的改进;检验结果表明:改进后的降水模型的预报结果优于改进前的.实时业务试运行的结果也显示SVM模型的降水预报效果好于T213模式直接输出的降水预报. 相似文献
3.
基于KPCA的台风强度神经网络集合预报方法研究 总被引：3，自引：2，他引：1
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
4.
以南宁市所辖8个站暴雨集中的6-8月逐日降水量作为预报对象,采用人工神经网络方法进行了新的数值预报产品释用预报方法研究.通过运用动力相似法,结合日本降水预报模式对未来暴雨发生的可能性进行判别,然后通过对欧洲中期数值预报中心预报场进行滑动分区车氏展开计算,求出与降水量序列相关较好的预报因子,并对这些因子进行自然正交分解,有效浓缩数值预报产品因子,建立了南宁市逐日暴雨的神经网络释用预报模型.利用该预报模型,对2006年6-8月的逐日暴雨预报试验结果表明,该预报模型对南宁市的暴雨强降水具有很好的预报能力. 相似文献
5.
基于误差平方和最小化准则的BP神经网络(ANN-MSE)并不适合解决小概率天气事件的预报问题,引进一种改进的以交叉熵函数为目标函数的神经网络方法(ANN-CE),该法是一个三层反向传播神经网络,其输出层只用一个节点.利用2003-2008年的ECMWF预报场资料,把该法用于福建省南平市4-6月部分大雨或以上降水96h预报中,分别用原始因子和PCA降维后的主因子建立了ANN-CE预报模型和ANN-MSE预报模型,用这些模型对2009-2010年独立样本进行了试报.测试结果显示主因子预报模型TS评分比原始因子预报模型高且漏报次数少,其中,主因子ANN-CE预报模型的TS评分和漏报率分别是0.51和0.17,其性能是所有模型中最好且最为稳定的,是一种适合于小概率事件预报的方法. 相似文献
6.
不确定性理论集对分析在预报模型建立中的应用研究 总被引：9，自引：0，他引：9
文中应用集对分析原理 ,在模型每次作出预报结论之前先对各预报因子的预报能力进行分析和判断 ,对一些预报能力不强 ,甚至可能干扰预报模型作出正确预报结论的所谓弱势因子 ,进行抑制、甚至消除其影响 ,而让其他预报能力较强的因子来决定预报结论。在每次预报中 ,模型中哪个因子为弱势是不固定的 ,而是随着预报环境的变化而变化 ,也就是说 ,随着环境的变化 ,会有不同因子的作用被抑制或取消 ,从而实现预报模型的因子结构动态优化 ,增强了模型预报机制的合理性 ,提高了模型的预报能力。大量的试验、多年的业务试用以及在数值预报产品释用中的应用例子表明 ,这一方法具有较好的效果。 相似文献
7.
湖州市气象局旱涝课题组 《浙江气象》1994,(4)
我们选择了优良可靠的推理统计模型来制作湖州市汛期旱涝长期预报.同时对预报量、因子场及因子普查方法等采取了一系列技术处理.所建立的长期预报系统稳定可靠,预报准确率比以往有明显的提高,特别对异常年份的预报能力较强. 相似文献
8.
基于BP神经网络的单站总云量预报研究 总被引：4，自引：0，他引：4
云是能够对飞行活动产生影响、甚至危及飞行安全的气象要素之一.为了对北京单站总云量进行预报,利用人工神经网络的BP模型,针对不同时次进行关键因子的选取,尝试用多种预报因子的组合,建立了总云量预报模型.试验结果表明:所建立的模型具有较好的拟合、预报精度,并且没有出现"过拟合"现象,对新样本具有较好的泛化能力. 相似文献
9.
南海热带气旋大风的遗传－神经网络集合预报 总被引：1，自引：0，他引：1
利用1980-2012年的南海热带气旋实况资料和NCEP/NCAR再分析资料,将热带气旋定位中心周边6×6格点上的地面风速作为预报对象,以气候持续预报因子和前期风速预报因子作为模型输入,采用遗传—神经网络集合预报方法,进行热带气旋定位中心周边36个格点上的风速预报模型的预报建模研究.分别对2008-2012年7-9月共368个独立预报样本进行遗传-神经网络集合方法的分月预报结果表明,南海热带气旋中心周边风速24h的预报平均绝对误差为2.35m.s-1.另外,本文还进一步将该预报方法与国内外普遍采用的逐步回归预报模型进行对比分析,在相同的预报量和预报因子的条件下的对比分析表明,新预报模型对≥10m.s-1的强风预报结果较逐步回归方法的优势明显,预报性能较好,可为沿海热带气旋大风预报提供新的参考. 相似文献