排序方式: 共有51条查询结果,搜索用时 78 毫秒
11.
12.
神经网络模型预报湖北汛期降水量的应用研究 总被引:18,自引:1,他引:18
使用人工神经网络方法建立了湖北省汛期 (6~ 8月 )总降水量的短期气候预测模型 ,该神经网络模型的输入是汛期前期 (2~ 4月 )的北半球月平均 5 0 0 h Pa高度场、海平面气压场和太平洋海温场的扩展自然正交展开 (EEOF)的前几个主要模态的时间系数 ,输出了湖北汛期降水场的自然正交展开 (EOF)的前 2个主要模态的时间系数。41 a历史资料的交叉检验表明 :样本试验的预报技巧评分平均为 0 .2 4 6 ,虽然该模型对各年的预报效果仍存在一定的不稳定性 ,但它可为湖北汛期降水的短期气候预测提供一种具有明显统计预报正技巧的预报方法 相似文献
13.
14.
介绍武汉暴雨研究所暴雨数值预报显示系统的设计思想,开发环境,技术要点,结构和功能及特点,该系统使用基于X-Windows窗口系统的Xlib库,以Xt工具箱和Motif构造一个良好的图形用户界面,利用NCAR软件绘制图形。 相似文献
15.
森林火点的识别是利用气象卫星资料监测森林火灾的基础。传统的目视解译火点识别法难以实现计算机的自动识别,神经网络技术为解决这一问题提供了新的工具。作者探讨了应用神经网络实现气象卫星影像森林火点自动识别的技术方法,并在湖北省地理范围内进行了试验。试验结果显示,经过训练的神经网络能够记忆火点的特征,具备将森林火点从气象卫星影像中识别出来的能力。与目视解译法相比,神经网络方法的精度接近目视解译法,最重要的是实现了森林火点的自动识别。 相似文献
16.
17.
全球非静力半隐式半拉格朗日模式及其极区离散处理 总被引:1,自引:0,他引:1
全球有限区同化预报系统GRAPES(Global Regional Assimilation and Prediction System)中的全球模式是新研发的新一代全球非静力数值预报模式, 该模式将作为中国气象局下一代全球中期数值预报的业务模式. 模式动力框架的特点包括采用全可压方程组、非静力/静力可选、半隐式半拉格朗日大时间步长、利用预条件求解复杂的三维亥姆赫兹(Helmholtz)椭圆型方程等. 针对极地奇异性的特点, 介绍了GRAPES全球模式在极地的离散处理方案, 包括采用水平风分量v放在极地的Arakawa C网格, 引入极地滤波解决极地数值计算的稳定性, 近极地Helmholtz方程的订正, 及为提高球坐标系下拉格朗日上游点计算精度的处理等. 平衡流理想场试验表明, 模式对极地半拉格朗日上游点及极地的处理是正确的; Held 和 Suarez试验表明模式可保证长期时间积分的守恒特性. 相似文献
18.
19.
20.
天空云量预报及支持向量机和神经网络方法比较研究 总被引:11,自引:2,他引:11
使用支持向量机和人工神经网络两种方法,分别建立了天空云量的预报模型。利用2001年5月1日~2004年12月31日的武汉市地面、高空观测值及欧洲中心的24小时预报场等资料,通过按不同比例随机抽取样本进行交叉验证的方法,分析了SVM和ANN模型的预报能力和鲁棒性;然后再用全部样本资料建立预报模型,来预报2005年1月1日~5月31日武汉市天空云量。交叉验证和实例预报的结果显示:虽然SVM和ANN模型都表现了较好的预报能力,但SVM的预报能力高于ANN方法,且在计算速度上有ANN无法比拟的优势。 相似文献