人工神经网络方法在夏季降水预报中的应用

在夏季雨型预报中引进了人工神经网络方法。首先,根据雨型与前期（冬季）环流和海温的关系,从前期冬季资料场中找预报因子;然后,用人工神经网络方法对我国夏季的雨型进行模拟预报,以前４０年资料做训练样本,让网络在一定的学习规则下进行学习,最后得到一种分类预报模型。经对１９９２～１９９６年夏季雨型做独立试报,结果与实况基本相符。     

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.     

人工神经网络在梅雨期短期降水分级预报中的应用

将人工神经网络应用于南京夏季梅雨期短期降水分级预报。根据梅雨期天气特点,用统计和动力学方法从HLAFS（高分辨率有限区域预报系统）资料中寻找预报因子;然后分别用两种方法选取输入因子对人工神经网络进行训练,并分别利用抽取的五天做降水分级预报检验。通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现：与HLAFS降水预报相比,降水预报准确率由原来的66．7％提高到88．2％,漏报、错报明显减少;与逐步回归预报相比,大到暴雨的预报准确率得到了明显提高。     

人工神经网络在南京秋季短期降水预报中的应用

利用2002年10月2日—12月1日的HLAFS资料,计算得到组合因子,通过相关系数的检验得到预报南京秋季(10—11月)降水的组合预报因子。把这些组合因子和对应的降水实况输入人工神经网络中进行学习和训练,最后得到南京秋季降水的人工神经网络预报方法。检验和试预报结果表明,预报降水的准确率为70%～80%,高于HALAF模式10%～20%。     

高血压病发病率预报的人工神经网络方法研究

通过统计分析，选取影响银川地区高血压病发病率的主要气象因素，将其作为输入变量经多层前馈型神经网络的BP(Back Propagation)算法进行学习训练，建立了疾病发病率的人工神经网络(ANN，Artifical Neural Net)预报模型。结果表明：该方法计算简便、误差较小，为疾病发病率预报提供了一种新的预报方法。     

利用日本数值预报产品制作秋季降水分片分级预报

针对地方性天气特点,对降水实况资料进行相关分析和聚类分析,论证了分析了预报的可行性,并进行具体分析从日本数据预报产品中选取有关物理量,建立数据库,运用点聚图方法,制作晴雨预报及概率预报,对有雨类及逐步判别分析进行分级预报。该方法在计算机上运行,实现了降水预报的客观、自动化、可用于地区台指导预报和进行地代县预报,适应了当前业务需要。     

区域降水数值预报产品人工神经网络释用预报研究

利用T213、日本细网格降水预报等数值预报产品,采用人工神经网络方法进行预报释用。通过聚类分析方法对广西自治区测站进行分类,简化预报对象,对数量众多的T213数值预报产品采用自然正交分解(EOF)方法,浓缩大量因子的有效信息,并结合日本降水预报因子建立广西5~6月区域降水量级的逐日人工神经网络预报模型。运用与实际业务预报相同的方法进行逐日预报试验。结果表明,用这种数值预报产品释用方法建立广西3个预报区域的B-P人工神经网络预报模型对中雨以上降水量级预报的TS评分分别为0.55、0.5和0.26,比目前业务预报中参考使用的T213和日本数值预报产品降水预报具有更好的预报效果。     

基于人工神经网络的集成预报方法研究和比较

用人工神经网络方法对同一预报量的各个子预报方程进行集成预报研究,并以同样的子预报方程进行回归、平均和加权预报集成。对神经网络集成预报模型与各个子预报方程及其它集成预报方法进行了对比分析研究。结果表明,人工神经网络方法所构造的集成预报模型不仅对历史样本的拟合精度比各个子预报方法及其它集成预报方法更好,独立样本的试验预报结果也显示出更好的预报准确性。并且,采用神经网络方法进行预报集成,可以避免以往集成预报方法难以确定权重系数的困难     

赫章县绵雨分析及预报

利用1960～1997年赫章站资料对10月份绵雨发生的频率、次数和强度等气候特征进行了统计,并结合相关气象知识列出预报绵雨的思路,提出预报方法.分析指出,用6月份14时气压曲线作10月份绵雨趋势预报,效果较好.     

主分量分析在热带气旋强度客观预报中的试用

为了解主分量因子分析在热带气旋强度客观预报中的应用效能,在NCEP再分析资料、T106L19模式产品和热带气旋历史观测资料基础上,采用主分量因子分析技术,结合多元线性回归和BP型人工神经网络,开展了西北太平洋热带气旋的强度客观预报技术研究试验。试验包含完全预报法原理下的预报因子有无主分量分析、线性与非线性预报方法建模等方面的比较。结果表明,预报因子的主分量分析通过降低线性回归和BP人工神经网络模型的维数,提高因子间独立性,可减小模型强度预报平均绝对误差,提高模型实际预报能力。     

多普勒雷达资料在暴雨临近预报中的应用

强暴雨、台风暴雨等灾害性暴雨天气是造成洪涝灾害最主要的降水天气系统。以广州雷达和梅州雷达的拼图资料以及温州单站雷达资料为基础, 讨论了TREC方法中时间步长、网格大小及雨强阈值等参数变化对跟踪结果的影响, 并对TREC矢量场进行了平滑处理, 这在一定程度上减少了TREC矢量场中由于地物回波和回波梯度变化造成的一些明显错误的矢量, 得到较为连续的矢量场, 并将得到的矢量场用于暴雨的临近预报。个例分析及预报结果的验证表明:通过选择合适的参数, 雨强CAPPI、反射率因子CAPPI和CR 3种资料得到的TREC矢量场一致性好, 能够反映我国的强暴雨、台风暴雨等灾害性暴雨的移动方向。CR资料的外推预报结果稍差于其他两者, 3种资料预报的准确性都随着预报时间的递增而降低, 对连续时刻的TREC矢量进行拟合, 有助于提高预报准确率。TREC方法对于结构比较复杂、不易识别的台风暴雨等灾害性暴雨天气, 在预警方面具有一定应用价值。     

支持向量机方法在德阳降水分类预报中的应用试验

本文对支持向量机(svm)分类方法的基本原理作了简要的概述，并依据常规观测资料选取预报因子，以经典统计预报方法的方式，利用svm方法，选取不同的核函数对德阳市雨量分类预报进行试验。Ts评分表明采用多项式内积函数作为核函数构造的预报模型具有较好的预报能力。     

三峡区间面雨量预报方法及其试验效果

介绍了用于制作三峡区间面雨量预报的各种预报方法,分析了天气学方法、数值预报方法及以数值预报产品为基础的人工神经网络方法在１９９９年汛期的试验效果,结果表明：人工神经网络方法及ＭＡＰＳ数值预报方法预报效果较好。并提出了对几种面雨量预报方法的改进措施。     

T213数值预报产品在白银市盛夏中雨以上降水中的释用技术

基于MICAPS系统,利用T213数值预报格点资料、预报关键区34个站点的高空资料以及市内4县区不同时次的本站气压和日降水量资料,通过分析白银市中雨以上降水的天气特征,归纳出中雨以上降水的天气形势,并据此进行客观定量化分型;选取对白银市中雨以上降水具有明显物理意义的消空指标和预报因子,利用PP数值释用方法,建立了白银市盛夏中雨以上降水的短期预报模型。对2007年6～8月进行试报,预报准确率平均达66.7%,预报效果较好。     

鹤壁市秋季中雨预报系统

利用鹤壁市1986～1999年秋季高空图资料,确定了48h和24 h中雨高空要素预报指标;利用1995～2000年Micaps数据格式的物理量场分析结果,确定了24 h中雨物理量预报指标.鹤壁市秋季中雨预报系统根据预报指标和人工神经元网络预报结果,对秋季降水进行逐级判别,综合做出预报结论.     

GRAPES模式对湖北省汛期强降水预报的分类检验分析

使用常规观测资料及GFS资料(1°×1°),选取2005-2008年汛期22次湖北省强降水天气过程,按照其影响系统分为低槽型、台风型和副高外围型三类,对GRAPES模式(2.1版本)预报效果进行分类检验分析,结果表明:(1)就低槽型降水而言,0-24 h预报时效内,模式对晴雨、小雨、大雨的预报效果在三类降水中最好,24～48 h则中雨预报效果最好,0～24 h预报效果总体而言优于24～48 h.模式预报的主要降水区从雨型、雨区范围和雨强的分布特征均与实况较为一致,预报的主要偏差在于强中心位置偏离和强度偏弱.(2)就台风型降水而言,0～24 h预报时效内,模式对中雨和暴雨的预报效果在三类降水中最好,24～48 h,则晴雨、小雨、大雨、暴雨预报效果最好,24～48 h预报效果总体而言优于0～24 h.模式对台风的主体降水落区把握得比较好,和实况较为一致,但对于台风外围云系产生的降水往往与实况差别较大,另外,主体降水中暴雨落区预报总是比实况偏小.(3)副高外围型降水在上述两个预报时次中,各量级的评分成绩均为最低,0～24 h预报效果总体而言优于24～48 h.模式对副高外围局地性强降水过程预报能力较弱,基本不具备预报中雨以上降水的能力.最后对(;RAPES模式的进一步改进提出了一些建议.     

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。     

鹤壁市秋季中雨预报系统

利用鹤壁市1986－1999年秋季高空图资料，确定了48h和24h中雨高空要素预报指标；利用1995－2000年Micaps数据格式的物理量场分析结果，确定了24h中雨物理量预报指标。鹤壁市秋季中雨预报系统根据预报指标和人工神经元网络预报结果，对秋季降水进行逐级判别，综合做出预报结论。     

广西汛期大范围持续性暴雨天气过程中期预报研究

我们以中期数值预报产品－格点资料与历史上的大范围持续性雨个例对照作为分析依据。用建立暴雨中期天气过程模式与数值预报产品相结合及娄理统计与天气学相结合的方法,用相似分析原理和指标判别规则,作出汛期大范围持续性暴雨天气过程中期预报,取得较好的预报效果。     

神经网络在雷暴预报中的应用初步研究

尝试利用人工神经网络的方法对南京地区的雷暴天气进行预报。南京站的探空资料（每天08时和20时各一次）可以反映雷暴发生前大气层结的初始状态,而江苏省闪电定位网资料则可以作为预报量加以使用。利用探空资料计算了一些与雷暴发生相关的预报因子,用以建立南京地区雷暴的神经网络预报模型,并应用独立样本进行了初步的模拟预报检验。初步结果表明,预报模型取得了较令人满意的效果,应用神经网络的方法预报雷暴的发生是可行的。