农田土壤湿度的人工神经网络预测诊断系统

采用人工神经网络（ＡＮＮ）方法，研制了农田土壤湿度预测，诊断分析系统，该系统根据不同的土壤湿度特点和影响因子，可自动提供时间序列拓展的人工神经网络预测模型和人工神经网络的混合预测模型进行土壤湿度的动态预测。并提供不同降水量的土壤湿水分渗透深度诊断分析，系统采用中文菜单显示的人机对话方式操作，使具有准动力学特性，多种可调参数和网络结构的ＡＮＮ方法变得简便易于操作。实际使用表明，该系统对土壤湿度的预测     

四川旱涝震灾害的人工神经网络外推预测

选取旱，涝，震灾害之间的一步转移概率作为Ｂ－Ｐ人工神经网络训练样本的输入信息，建立了四川旱，涝，震的人工神经网络灾型预测模型。Ｂ－Ｐ网络模型应用于实侧预测结果与用主分量分析法的趋势预测结果精度接近。     

基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型

利用2015—2019年鹰潭市5个大气成分监测站数据和气象站地面观测数据,运用主成分分析法,提取气象要素、气体污染物对PM2.5和PM10浓度影响的主要成分,调整BP人工神经网络的隐藏层个数和隐藏层节点数,构建基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型。结果表明：1） 气象要素中,共提取3个影响PM2.5、PM10浓度的主成分,分别为相对湿度、降水,气温、气压和风速,其中湿度、气温、风速与PM2.5、PM10浓度显著相关。2） 气体污染物中,共提取2个主成分,分别为SO2、NO2和O3,其中NO2、SO2与PM2.5、PM10浓度显著相关。3） 所建立的PM2.5、PM10浓度逐小时预测模型在20 h内预测性能良好,预测准确率分别为88%、86%,逐日预测模型在5 d内的预测性能良好,预测准确率分别为94%、92%,准确率较高,具有良好的预报性能。     

人工神经网络用于我国东部汛期降水预测的研究

采用人工神经网络ＢＰ模式对我国东部６垮的１９９１年和１９９４年的汛期降水进行预测，模式预测的旱渤总体趋势与实况相符。并预测了１９９５年的夏季降水。     

人工神经网络与遗传算法结合的时间序列预测模式

介绍了遗传算法的基本概念和流程，阐述了人工神经网络作为时间序列预测模式的可行性和不足之处，并提出了人工网络与遗传算法相结合的时间序列预测模式，最后给出了该算法的计算结果，并对结果和模式作了讨论。     

短期气候(月、季、年)逐月降水预测系统研究

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。     

利用BP神经网络模拟预测夏季降水场

利用人工神经网络(ANN-Artificial Neural Network)的反向传播(BP-Back-Propagation)模型,对永州市夏季(6～8)降水场进行模拟及预测,取得了较好的效果,并建立了永州市降水场的人工神经网络BP预测模型,为降水趋势预测提供了一种研究方法。     

中国东部夏季雨型的人工神经网络集合预测

在BP(back propagation)人工神经网络方法的基础上,考虑到历史资料的个体差异及其年代际变化会影响到样本均值,由此使得中国东部夏季雨型模拟和预测效果产生差异,故引入交叉检验及集合预报思想,以改进人工神经网络独立预报方法.在利用不同历史样本资料建立人工神经网络模型,并进行交叉检验的同时,对预测年的雨型进行预测,可获得预测年的多次预测结果.该方法在中国东部夏季四类雨型的试验预报中表现出较好效果.     

流域年均含沙量的B—P网络预测模型及其效果检验

应用误差反向传播算法的人工神经网络，建立了流域年均含沙量的预测模型，该模型用于某流域年均含沙量预测的拟合率达９０％以上，预留检验预报的准确率为７５％。     

人工神经元网络方法在沙尘暴短期预报中的应用

使用人工神经网络方法建立了我国沙尘暴短期预报模型 ,该神经网络模型的输入因子是几个物理量场REOF展开的一些时间系数 ,输出为我国有无沙尘暴。结果表明REOF展开技术和人工神经网络方法两种方法的结合对于预测沙尘暴是可行的。     

人工增雨有利条件的神经网络识别与估价

运用人工神经网络研究人工增雨的天气条件的识别，并选取一组标样作为研究对象，预测准确率为100%。结果表明，该方法性能良好，可望成为对人工增雨作业天气条件分析、识别的有效手段     

基于卡尔曼滤波的神经网络月平均气温预测模型

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。     

人工神经网络的短期气候定性预测方法研究

采用EOF方法将众多具有一定物理意义的环境场预报因子和序列周期因子进行降维去噪处理，并结合人工神经网络前馈网络模型，进行了影响广西热带气旋年频数和夏季(6～8月)降水量短期气候预测的定性预报建模方法研究。结果表明，该方法对于影响广西热带气旋的年频数及广西夏季降水量定性趋势具有很好的预报能力，可作为一种新的短期气候预测业务预报配套方法。     

人工神经网络技术发展及在大气科学领域的应用

20世纪80年代以来，人工神经网络技术在理论和应用研究方面有了快速的发展，并在众多学科领域取得了大量的应用研究成果。文章首先概述了国外有关人工神经网络理论研究发展的主要过程及我国开展神经网络理论和应用研究的状况。重点介绍了国内外大气学科中，关于神经网络方法在中、短期天气预报，短期气候预测，农业气象，空气污染预报，卫星云图识别以及气象观测资料处理等许多方面的应用研究工作。并且也进一步介绍了有关神经网络气象预报建模研究的关键技术一过拟合，网络结构问题的研究工作以及模糊系统理论与神经网络相结合的模糊神经网络，遗传算法与神经网络相结合的气象预报建模的最近研究工作。     

一种神经网络的云图短时预测方法

依据6hT213数值预报产品的资料,采用EOF展开和人工神经网络等方法,对卫星云图短时预报方法进行研究。首先对卫星云图灰度值样本序列进行EOF展开,将提取出来的时间系数作为建模的预报量,以数值预报产品的物理量场作为预报因子,建立人工神经网络预测模型。将预报得到的时间系数与空间特征向量进行时空反演,实现对未来6h云图的预测。预报方法的独立样本试验证明,预测结果与实际云图的主要特征基本吻合,尤其在预测云图的大体分布和发展趋势上得到了较好效果。     

热带气旋路径人工神经元预报方法对比试验研究

分别对具有动量项BP、LM、RBF人工神经网络建立36、48、60、72小时的热带气旋路径预测模型,各用100个独立样本进行预测检验,分析了网络"学习好,预报差"的原因,解决这一问题的关键是选择合适的网络结构参数、相应的学习算法和合适的预报因子,并总结了合理应用人工神经网络建立预测模型的经验.针对人工神经网络模型不具有自动选取因子的功能,给实际应用造成困难,提出了基于RBF的逐步选取因子的算法,并进行了对比试验,表明该方法具有较高的实用价值.     

人工神经网络方法在降水量级中期预报中的应用

将人工神经网络方法与统计方法相结合，采用分步预报的方法，首先用经验统计方法进行晴雨预测，再用BP人工经网络建立降水量级预报模型，探讨神经网络方法在中期降水预报的应用，试验表明，神经网络方法能提高中到大雨降水量级的中期预报能力，但对暴雨的预报不理想。     

秦皇岛气象因素对儿童下呼吸道疾病就诊人数影响及预测研究

呼吸系统疾病对儿童的身体健康有极大影响,其发生与气象条件有密切关系。为探讨秦皇岛地区气象条件对儿童下呼吸道疾病的影响,预测就诊人数,为医疗气象服务提供新方法,利用秦皇岛地区2015-2016年儿童下呼吸道疾病就诊人数资料和同期气象资料,分别使用逐步回归分析和BP人工神经网络建立儿童下呼吸道疾病就诊人数预测模型,并对预测效果进行评价。结果表明,气象条件对儿童下呼吸道疾病的发生有显著影响,特别是阶段性天气变化与气候异常对就诊人数影响较大。就诊人数与气温及平均相对湿度呈负相关关系,与气压、风速及前72 h气温变幅呈正相关关系,与气温相关性最好,与气压、平均相对湿度相关性次之。逐步回归法与BP人工神经网络模型的预测准确率分别为72.75%、76.30%。2种预测模型中,BP人工神经网络模型的整体表现更为出色。     

RLS-BP人工神经网络算法在降水预报中的应用

RLS—BP是一种新发展起来、自动设置网络主要参数和具有快速收敛能力的人工神经网络模型，用预报对象动态消空处理加以改进，应用于大连地区短中期降水MOS预报，实施了其预报效果与普通BP网络对比的试验。结果表明，改进后的新模型既提高了降水的预报精度，又有良好的计算稳定性．并且适合推广应用于气温、能见度等诸多气象要素的预报和预测问题。     

气象要素在电力负荷预测中的应用

综合应用人工神经网络、模糊理论等智能技术,着重考虑天气因素对电力负荷的影响,确定了一种有效的电力系统短期负荷预测方法。并应用陕西省9个地市1998-2001年的逐日8个气象要素以及对应的逐日电力负荷值,对陕西省电力负荷进行训练和预测。研究结果证明这种方法能较大地提高日负荷预测的精度。