基于相空间重构与模糊神经网络耦合的海温预测模型

在海温预报中引入混沌理论,将相空间重构理论与模糊神经网络相结合,建立了海温预测模型.通过相空间重构,把一维海温时间序列拓展为多维序列,而多维序列包含着各态历经的信息,从而挖掘出了丰富的海温变化空间的信息,有利于模糊神经网络的训练.利用建立好的模糊神经网络模型,对海温预报问题进行了建模、训练和预测.实际的预测结果表明,该模型预报精度较高,预测结果可以为业务工作提供一定的参考与借鉴.     

基于神经网络的单站雾预报试验

采集大连某机场2004—2007年大雾、轻雾和无雾天气事件共186例,选取雾天气事件前期(前一日08:00,14:00,20:00(北京时)实测资料)的温、压、湿、风等要素指标为预报因子,基于学习向量量化神经网络(learning vector quantization,LVQ),采用逐级预报思想建立起某机场雾天气事件的预报模型。在网络训练过程中,动态调整网络神经元比例参数,提高模型的预报能力;采用根据检验准确率适时终止训练的"先停止"技术,有效提高了模型的泛化能力。预报试验表明:无论是拟合率还是独立预报准确率,模型均已达到较高水准,具有实际应用意义。     

西太平洋副热带高压活动指数的动力相关因子诊断判别

基于NCAR/NCEP的逐日再分析资料,利用相空间重构方法计算了副高脊线指数的点条件概率密度,并将得到的点条件概率密度及其功率谱与各季风影响因子指标及其对应的功率谱求相关,诊断出了影响副高脊线指数活动的最重要的6个指标因子.诊断分析结果表明,基于点条件概率密度的诊断识别方法能够较好识别具有动力关联的指标因子,该方法可以为判断和选择动力模型因子提供参考依据.     

低频位势波与夏季北太平洋副高活动

分析研究表明，夏季西太平洋副高的季节内活动受东太平洋副高变化的影响和制约，这种作用过程与太平洋副热带地区的低频位势中心的西传关系密切，东、西太平洋副高间的遥相关可能通过低频位势波的传播加以联系和实现。     

A WAVELET PACKET ENERGY DIAGNOSIS OF SOUTH ASIAN SUMMER MONSOON INFLUENCING ON THE WEST PACIFIC SUBTROPICAL HIGH

1 INTRODUCTION An important constituent in the Asian summer monsoon system, the West Pacific subtropical high (simplified as the 揌igh) is closely related with the activity of summer monsoon via the changes in intraseasonal intensity and progression[1 - 8]. Zhang et al[5]. discuss the relationship between seasonal jumps and anomalous location of the Highs ridge and onset of low-latitude westerlies and tropical convection in summer, with the finding that the northward jump of the High is …     

2010年和1998年西北太平洋热带气旋频数异常与东亚夏季风系统的关联性分析

利用西北太平洋编号台风资料、NCEP/NCAR再分析资料和NOAA向外长波辐射(outgoing longwave radiation,OLR)资料等,选取西北太平洋热带气旋频数异常偏少的2010年和1998年,诊断分析ENSO事件及其东亚夏季风环流异常与热带气旋频数异常的关系,给出东亚夏季风系统部分成员影响热带气旋频数的天气学图像:由春入夏,赤道东太平洋海温异常偏暖,赤道哈得来环流偏强,沃克环流偏弱;西太平洋副热带高压异常强大,位置偏西;季风槽位置偏南,东西向不发展;南海、西太平洋越赤道气流偏弱;异常热源和水汽汇偏南,南海和菲律宾以东地区对流活动受到抑制,热带对流活跃区位于赤道以南;热带气旋生成个数明显偏少,位置偏西。     

西太平洋副高形态指数的分解重构与集成预测

用小波分解和自适应神经模糊推理系统(ANFIS)相结合的方法,建立了西太平洋副热带高压形态指数月、季时间尺度的集成预报模型。由于小波分解可在信号的频域—时域内自由伸缩,准确地分解和重构带通、低通信号,因而能将复杂的副高指数时间序列分解为相对简单的周期分量信号,既简化了系统结构,又突出了信号特征。随后基于ANFIS模糊系统的非线性、容错性、自适应性和联想学习功能,建立各分量信号的独立预报模型,最后对分量预报结果进行集成。试验结果表明,该方法在保留预报对象主要特征的前提下,有效降低了预报难度,预报准确率和预报时效均较传统方法有明显的改进和提高。     

基于纹理与分形理论的气象卫星云图目标物识别

气象卫星云图上的目标物进行识别具有重大的实际意义。本文利用计算机图像处理和模式识别技术,结合分形理论对卫星云图上常见的三种云和晴空进行了纹理特征提取,设计神经网络进行了识别实验,结果证明这种方法是有效的。     

自组织网络与广义回归网络耦合的副热带高压指数预测

利用亚洲夏季风系统中各成员变化活动与西太平洋副高存在的不同程度的时延相关性,从1995~ 2004年NCEP/NCAR逐日再分析资料中,提取了亚洲夏季风系统各成员变化活动的特征指标及其对应的超前三候的西太平洋副高(简称副高)面积和脊线指数.在此基础之上,建立了自组织网络与径向基函数网络串级耦合的副高指数预测模型.该模型首先用自组织网络对各指标样本按其自身相似原则进行无监督分类,随后用广义回归网络分别对分类出的各指数样本子集进行有监督的训练建模和预测.模型的预测试验结果表明：副高指数的预测结果与其实际值之间的相关系数达到0.89,明显优于单一的神经网络模型预测效果.     

南亚夏季风影响西太平洋副高南北进退活动的小波包能量诊断

基于小波包分解重构方法,利用NCEP/NCAR逐日再分析资料,讨论了南亚夏季风与季内西太平洋副高活动的关系,提出和定义了用以诊断副高活动的夏季风频域能量判据.诊断结果除佐证了副高已有的一些研究结果和变化规律外,还揭示出副高与季风间一些新的关系特征.