STUDY ON THE METEOROLOGICAL PREDICTION MODEL USING THE LEARNING ALGORITHM OF NEURAL ENSEMBLE BASED ON PSO ALGORITHMS

Because of the difficulty in deciding on the structure of BP neural network in operational meteorological application and the tendency for the network to transform to an issue of local solution, a hybrid Particle Swarm Optimization Algorithm based on Artificial Neural Network (PSO-BP) model is proposed for monthly mean rainfall of the whole area of Guangxi. It combines Particle Swarm Optimization (PSO) with BP, that is, the number of hidden nodes and connection weights are optimized by the implementation of PSO operation. The method produces a better network architecture and initial connection weights, trains the traditional backward propagation again by training samples. The ensemble strategy is carried out for the linear programming to calculate the best weights based on the “east sum of the error absolute value” as the optimal rule. The weighted coefficient of each ensemble individual is obtained. The results show that the method can effectively improve learning and generalization ability of the neural network.     

低纬度地区局地暴雨的神经网络预报方法研究

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.     

复共线性关系对逐步回归预报方程的影响研究

针对气象预报中常用的逐步回归预报建模方法,由于没有直接考虑筛选出的预报因子之间可能存在复共线性关系会影响气象预报方程的预报性能问题,提出了在初选的大量气象预报因子(自变量)中,采用条件数计算分析方法,选择复共线性关系小的预报因子组合建立预报模型的方法.以重要气象灾害的预报难点--台风预报为例,用大样本分别建立了12个台风移动经度、纬度的条件数预报方程和逐步回归预报方程.对比分析结果表明,由于条件数计算分析有效控制了预报因子间的复共线性关系,因此,在相同的预报因子(自变量)和预报对象(因变量)条件下,分月建立的条件数台风移动路径预报方程,虽然历史建模样本的拟合精度略低于逐步回归预报方程,但是对独立样本的预报精度明显提高,其中7、8和9月条件数预报方程的预报误差平均为153.9 km,而相应的逐步回归预报误差平均为229.2 km,两者相差75.3 km.进一步研究发现,在F值分别取1.0、2.0和3.0的情况下,建立的台风移动路径的逐步回归预报方程,其预报误差也明显大于条件数预报方程.另外,由于预报因子组合的复共线性的影响,逐步回归方程还出现了在个别点预报误差极大的不合理情况.     

粒子群-神经网络集成学习算法气象预报建模研究

针对BP神经网络在实际气象预报应用中,网络结构难以确定以及网络极易陷入局部解问题,提出一种基于神经网络的粒子群集成学习算法的气象预报模型,以BP算法为基本框架,在学习过程中引入粒子群算法,优化设计神经网络的网络结构和初始连接权,获得一组合适网络结构和初始连接权,再进行新一轮BP神经网络训练,获得一批独立的神经网络个体,以“误差绝对值和最小”为最优准则,采用线性规划方法计算各集成个体的权系数,生成神经网络的输出结论,以此建立短期气候预测模型。以广西的月降水量进行实例分析,计算结果表明该方法学习能力强、泛化性能高,能够有效提高系统预测的准确率。     

1951-2013年格尔木及周边地区日照时数气候变化特征分析*

利用柴达木盆地格尔木站及周边9个气象站近60a逐月、年日照时数、气温、云量、降水、相对湿度资料以及1951~2013年西太平洋副高面积指数资料,通过统计学方法、突变检验、小波分析等方法,对格尔木日照时数的气候变化特征进行了分析。结果表明：近60a来格尔木日照时数变化总体呈下降趋势,春季变化较平稳,夏、秋、冬三季呈明显的减少趋势。月日照时数5月最多、2月最少。年代际变化上世纪50年代和60年代较为平稳,70年代突然下降,80年代又有所增加,90年代比80年代略有减少。到了本世纪头十年,平均日照时数急剧减少。日照时数具有明显的5年和7年短周期,日照时数在2006年出现突变。从研究结果来看,自然因子大气环流、气温、总云量、低云量、相对湿度等因素是格尔木及周边地区日照时数变化的主要影响因子,人工增雨为主的人类活动和三江源地区生态保护工程的实施对格尔木及周边地区日照时数也可能是影响因子,但这还有待进一步研究证实。     

模型参数对赤霉病人工神经网络预报模型精度的影响

运用最优化相关普查方法,选取确定了对江苏省太湖地区小麦赤霉病发生程度有着显著指示意义的预报因子,将其作为输入变量经多层前馈神经网络的ＢＰ算法进行学习训练,建立了赤霉病病穗率的人工神经网络预报模型。分析了结构参数对模型效果的影响情况,发现训练的总体误差平方和对模型的效果最为显著,历史样本的拟合率随着总体误差平方和的拳小而稳定上升,但总体误差平方和取值偏小时模型对独立样本的预报精度下降;当总体误差平方     

基于局部线性嵌入的人工智能台风强度集合预报模型

利用局部线性嵌入算法通过学习挖掘高维数据集的内在几何结构,高效地实现维数约简和特征提取的能力,论文以2001—2012年共12年6—9月西北太平洋海域内生成的台风样本为基础,将气候持续因子作为台风强度的基本预报因子,采用局部线性嵌入的特征提取与逐步回归计算相结合的预报因子信息数据挖掘技术,以进化计算的粒子群算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行了分月台风强度预报模型的建模研究。在建模样本、独立预报样本相同的情况下,分别采用人工智能集合预报方法和气候持续法进行预报试验。试验对比结果表明,前者较后者在6、7、8和9月24 h台风强度预报中,平均绝对误差分别下降了23.34%、24.46%、19.41%和27.45%,4个月的平均绝对误差下降了23.10%;48 h台风强度预报中,6—9月平均绝对误差分别下降了44.82%、16.73%、0.89%和49.26%,4个月的平均绝对误差下降了25.54%。进一步研究发现,在变动局部线性嵌入算法忌近邻个数的情况下,建立的台风强度集合预报模型,其预报结果稳定可靠,相对于气候持续法均为正的预报技巧水平,为台风强度客观预报提供了新的预报工具和预报建模方法。     

云南漾濞6.4级地震建筑结构震害特征调查分析

本文整理了云南大理州"5.21"6.4级地震震害调研与科考过程的部分成果。穿斗木架构结构和框架结构是云南大理州在低矮建筑和多高层建筑中广泛应用的两种结构形式。该研究基于震害调查结果,描述了地震过程中穿斗木架构结构和框架结构破坏的宏观现象,总结了两种典型结构的破坏形式,对震害成因进行了探讨。在此次震害调查过程中,科考人员还通过智能手机对结构基频进行了快速评估。在震后,研究人员对智能手机智能测振应用软件进行了更新,结合应用需求加入了测振地点和路线的地图信息,为震害调查与记录提供了便利。基于漾濞县震害科考与调研结果,为云南省穿斗木架构建筑及框架建筑的抗震方法与策略提出了建议,为震后建筑结构快速评价提供了新手段。     

基于最小二乘支持向量机集成的降水预报模型

准确的降水天气预报是一个十分重要的研究课题。以中国气象局的T213和日本的细网格数据资料为基础，首先利用粒子群——投影寻踪对众多气象物理因子降维，其次在低维子空间利用四种线性回归方法提取降水系统的线性特征，四种神经网络模型提取降水系统的非线性特征；最后利用最小二乘支持向量机对其集成，对广西6月的逐日降水量进行试验结果表明，该模型预报稳定性好，预报准确率较高，具有较好的业务应用前景。     

月平均降水量的二次规划最优组合预测方法研究

以逐步回归、均生函数和多层递阶作为月平均降水量的3种子预报方法，进一步采用二次规划计算方法，通过计算各子方法的最优非负权系数进行最优组合预测建模研究。实例计算结果表明，这种组合预测模型的预报精度优于各子方法，并具有较好的理论依据，可在实际业务预报中进行推广应用。