人工神经元网络在实际业务预报中的效果检验

人工神经元网络在实际业务预报中的效果检验刘恭淑（山东省气象台．济南．２５００３１）人工神经元网络的模式识别被引进到天气预报中后，我省已先后研制了多种客观预报方法并在实际业务预报中试用。其中，“山东中西部雷雨、冰雹人工神经元网络预报系统”，主要用于预报...     

日本气象厅数值预报产品释用技术——神经元网络的指导预报

日本气象厅数值预报产品释用技术──神经元网络的指导预报柳野健（日本）１数学原理与解释１．１概况简单地说，ＭＯＳ（模式输出统计法）是线性分析、一次求解；卡曼滤波是线性分析、逐步求解；而阶层型神经元网络则是非线性分析、逐步求解。先来大致看一下阶层型神经元...     

BP人工神经元网络在春季降水量预报中的应用

通过普查北半球５００ｈＰａ、１００ｈＰａ、北太平洋海温与山东省春季降水量的相关，选取相关信度达到０．０５的相关区作为预报因子，利用ＢＰ（反向传播）人工神经元网络建立山东省春季降水量预报模型，并投入业务运用。结果表明，ＢＰ人工神经元网络具有较好的预报效果。     

应用人工神经元网络建立临汾地区分级降水预报系统

应用人工神经元网络建立临汾地区分级降水预报系统秦爱民，张临平，薛双青（临汾地区气象局０４１０００）１引言人工神经元网络就是试图以模拟人脑神经系统的组织方式构成新型的信息处理系统，其工作模式即类似于大脑的用并行分布模式取代符号定义的计算机模式。十几年来...     

BP网络在鲁西南地区西南涡降水量级预报中的应用试验

天气预报的困难主要源于非线性、高维性和数据的不精确性。所以,我们利用人工神经元网络来处理气象问题。本文引入BP网络来预报鲁西南地区的西南涡降水强度。经过网络的自学习,它能自动地从历史资料中抽取预报因子和预报对象的关系,进而作出较正规的预报。     

人工神经元网络与智能预报系统

人工神经元网络与智能预报系统周全瑞（陕西省气象台西安·７１００１５）陕西省气象台于１９９４年４月从高原气象研究所引进了何险峰高级工程师研制的智能暴雨预报系统（ＴＶＡＩ８５），现已投入业务化试用阶段。为了便于预报人员对这一现代化预报方法有所了解，现将有...     

四川省暴雨人工智能神经元网络预报系统的研制

以ＭＳＷｉｎｄｏｗｓ３．１为操作系统而开发的计算机软件．以数值预报产品、动力诊断分析、降水数据库等为基础，综合运用图象识别、人工神经元网络、数据库管理等技术，最后形成完全自动化业务预报系统．     

人工神经网络在天气预报中的应用研究

介绍了将人工神经元网络用于灾害性天气（暴雨）预报研究的情况，分析了天气预报问题的数学提法及困难所在，神经元网络用于天气预报的原理，暴雨预报的特点及我们对网络模型的改进。结果表明，神经风格确可通过学习从原始数据中提取足够的分类信息，达到较好的预报准确率，值得进一步研究。     

阳泉市汛期短期分县降水预报系统

引言随着现代通讯技术的发展,气象部门92101程的建设,特别是1998年开始MI－CAPS天气预报工作站分布到基层气象台,使基层天气预报技术发生了巨大变化,数值预报产品经过数十年的发展和应用,在实际天气预报工作中的地位愈来愈重要。本系统的基本思路是将国家气象中心数值预报产品中gRib码的T106格点资料作为输入因子,用人工神经元网络方法,建立降水客观预报工具。1资料与方法经过参阅了近两年有关人工神经元网络方法对各种天气要素预报的成果,鉴于现代数值预报产品有相当的精度,确定用完全预报法,选用1994年省台的SSJJ9、EXE作…     

BP人工神经元网络在寒潮预报中的应用

1前言目前的天气预报方法一般采用常规线性统计模式,这种模式难以充分表达天气间的复杂因果关系,因此如何充分利用现有数值预报产品,将预报员的经验和各种无法用精确数字表达的信息融为一体,尽可能地寻求天气因素与预报对象之间的一些非线性关系,是探索天气预报的～条新途径。BP人工神经元网络是近年来迅速发展的一门非线性科学,它模仿人脑的神经元结构和认知功能,模拟人脑的部分思维过程,获得与生物大脑相类似的联想和推理能力。由于它具有高速度和高稳健性,被广泛应用于信息处理、自动控制等领域。应用人工神经元网络的非线性决…     

贵州省暴雨BP神经元网络预报方法

引入人工智能方法，应用BP神经元网络技术，结合数值预报产品、动力诊断产品和当地预报经验指标，构造了贵州省期暴雨落区预报的人工神经元网络模型，实现了全省各大－暴雨落区的逐日概率预报，为业务预报提供了客观预报指导产品。     

川西高原大雪人工神经元网络短期预报系统

采用初级预报模式结合人工神经元网络（ＢＰ算法）的方法,使用阿坝牧区大雪天气过程历史资料,研制了川西高原牧区大雪天气预报系统。利用９２１０工程接收到的数据资料,自动完成因子采集和结论输出,每次输出后,因子库自动增加新的因子,网络再次学习,从而进一步提高预报精度。     

利用MM5开展精细化预报业务

介绍了怀化市气象台利用中尺度数值预报模式系统（MM5）开展精细化预报制作的情况。提出随着地市气象卫星综合应用业务系统（9210工程）和计算机网络的全面建成。特别是微机版本的中尺度数值预报模式（MM5）在地市级气象台站应用，使得地市级气象台开展精细化预报业务服务成为可能。并简单地介绍了精细化预报的制作方法、预报产品种类、精细化预报产品对外发布的方式以及预报效果。     

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.     

基于WRF和一维雾模式的能见度集合预报的个例研究

利用WRF(weather research and forecasting)中尺度模式为一维辐射雾模式PAFOG提供扰动场,构建了一个有30个成员的辐射雾集合预报系统。对2007年12月13—14日南京地区一次典型辐射雾过程进行了预报效果分析,结果表明:该方法在地面能见度预报及雾层垂直结构预报上均好于实际探空作为初始场的单一预报结果;模式启动时刻对预报结果有较大影响,由于辐射雾多发生在夜间,且模式需要一定时间达到稳定,本方法中一维模式在14:00启动预报效果最好,集合预报成员与实测值的标准差平均值为0.516 km,集合平均值的平均预报绝对误差为0.287 km。     

成部双流航站冬季低能见度预报经验公式

双流航站低能见度天气的出现，在冬季不仅与辐射雾有关，还与烟、霾、浮尘、毛毛雨等天气现象有关。可将某时刻的低能见度预报值ｙ看成是初始时刻的能见度值（ＶＶ）、总云量（Ｎ）、２４小时变压（△Ｐ２４）、相对湿度（ｕ）及时间变量（ｔ）的函数．     

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。     

B—P算法在青海省降雨分区分级预报中的应用

选用０８：００（北京时）常规资料和数据预报产品作为预报输入资料，将关键区要素场作贝雪夫多项式展开，取车贝雪夫系数作为预报因子，由Ｂ－Ｐ神经元网络进行训练，分别建立了全省各片未来２４ｈ内有，无≥５，１０和２５ｍｍ降水天气过程的人工神经元降水分区预报系统，从学习结果看，历史概括率均达９５％以上，１９９４和１９９５年６，７，８三个月的业务试报，效果较好。     

青海省降雨落区预报自动化系统

选用０８时常规资料和数值预报产品作为系统输入资料，将关键区要素场作切贝雪夫正交多项式展开，取切贝雪夫系数作预报因子，由Ｂ－Ｐ神经元网络进行训练。分别建立了全省各片未来２４ｈ有无大于（等于）５ｍｍ、１０ｍｍ和２５ｍｍ降水天气过程的人工神经元降不落区预报网络。从学习结果看，历史概括率均达９６％以上，经１９９４年６、７、８三个月的业务试用，效果较好。     

BP模型双样本训练方法

根据气象预报应用情况，分析ＢＰ模型训练人工神经元网络中存在的问题，并提出双样本训练方案。试验表明，采用双样本训练的网络，实际预报能力较高。