陕西省人工神经元网络降水年,季度预报系统

利用Ｂ－Ｐ人工神经元网络进行了陕西省年度,季度降水预报试验,提出了利用０－１模型解决多等级预报问题的方法,并建立了年度,季度等级预报模型,经过试验,表明该方法预报效果良好,最后对模式在应用中的一些问题及目前其它预报模型的差异等进行了讨论。     

鄂尔多斯地区冬季中-大雪以上降水短期预报

用天气学原理和统计学方法对鄂尔多斯地区 196 4～ 1997年冬季 (11～ 3月 )降雪进行诊断分析 ,归纳总结中—大雪以上降水的时间分布、年际变化及前期天气形势特征 ,根据天气系统和气象要素的演变特点 ,筛选预报因子、指标 ,建立回归方程 ,从而做出冬季中—大雪以上降水预报。     

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。     

陕西省神经元网络智能降水预报系统简介

本文着重介绍陕西省神经元网络智能降水预报系统的数据库及管理、客观分析、诊断分析、图像设制技术、神经元网络的建立等。     

短期预报评分系统

短期预报评分系统利用Visual FoxPro 6.0开发研制而成,本文介绍了该系统的主要特点和各模块的基本功能.     

寒潮短期预报系统

寒潮短期预报系统杜忠校，杨建民（长治市气象局０４６０００）寒潮天气是一种大尺度的灾害性天气过程，寒潮天气会带来强烈的降温、霜冻、冰冻、有时伴有降雪、大风等。这种恶劣的天气往往造成农作物受冻、工矿管道冻裂、给工农业生产造成严重危害。因此，报准报好寒潮天...     

试用BP人工神经元网络法做感冒指数预报

利用 1 998～ 2 0 0 1年东营市某医院的感冒病人门诊病历 ,将感冒疾病进行分级并以此为预报对象 ,以同期实时气象要素为预报因子 ,根据感冒与气象要素的关系 ,按气候相近的原则分型 ,用人工神经元网络 (BP)算法 ,建立春、夏、秋、冬及春夏、秋冬过渡季节的 6个感冒指数预报模型 ,2 0 0 1年用该模型进行了试报 ,预报准确率在45 %～ 6 0 % ,具有一定的参考价值     

短期预报评分系统

短期预报评分系统利用Visual FoxPro6.0开发研制而成，本文介绍了该系统的主要特点和各模块的基本功能。     

数值预报产品省级降水预报B—P神经元网络释用系统

引言一切科学都是向客观定量的方向发展,气象科学也不例外。近几年,利用数值预报产品作为解决天气预报客观化、定量化的途径之一,已引起人们的重视。以往的实践也证明,数值产品对于常规的各种天气要素的预报具有一定的参考意义和使用价值。鉴于以上原因,利用数值产品...     

武汉市冬季大雪分析预报

使用常规气象观测资料和数值预报产品,分析了1951-2005年冬季发生在武汉市的大雪过程,结果表明:武汉市冬季出现积雪深度大于5 cm的天气事件的概率大约为每年2 d,主要发生在1月,其次是2月;大气层结条件是产生降雪的关键,地面冷空气、中低层江南西南急流和中层西风带低槽是决定武汉市冬季大雪的3个主要天气系统,中低层江...     

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。     

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。     

神经网络方法在广西日降水预报中的应用

以广西前汛期5、6月区域平均日降水量作为预报对象，采用人工神经网络方法进行新的数值预报产品释用预报研究。对T213预报因子进行自然正交分解，有效浓缩数值预报产品因子的预报信息，并结合日本降水预报模式因子建立广西3个不同区域的逐日降水神经网络释用预报模型。运用与实际业务预报相同的方法对2004年5、6月进行逐日的实际预报试验，并与T213的降水预报进行对比分析。结果表明，本文建立的3个区域日平均降水量神经网络预报模型，在预报性能上明显优于同期的T213降水预报。     

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。     

BP神经网络在长期天气过程预报中的应用试验

采用误差反传前向网络(简称BP网络)方法,以日、月相概率作为输入因子,建立长期天气预报模型。结果表明,模型的业务预报试验效果比较理想,对较大降水和升(降)温过程均有一定预报能力,相对于传统的单纯运用日、月相概率预报长期天气过程的方法,BP神经网络方法具有预报较客观、准确率较高等特点,在目前长期天气预报理论和数值预报模式尚不能用于实际业务的情况下具有较大的应用价值。     

一种改进的BP算法及在降水预报中的应用

传统BP（back propagation）算法在实际应用中具有网络结构参数和学习训练参数难以确定、泛化能力差、训练学习易陷入局部极小点等问题。该文在传统BP算法的基础上,提出一种改进算法,在训练过程中能自动确定各种参数,并避免陷入局部极小点,提高网络的泛化能力。利用2003—2005年5—9月中国国家气象中心T213的数值预报产品,通过动力诊断得出反映降水的物理量,然后从中挑选出与降水关系较好的25个因子,连同中国国家气象中心T213模式、日本气象厅业务模式和德国气象局业务模式相应的降水量预报结果作为预报因子。采用改进的BP算法建立江淮流域68个站24 h降水 (08:00—08:00,北京时）3个等级（降水量≥0.1 mm,降水量≥10 mm,降水量≥25 mm）的预报模型。通过对2006—2007年5—9月68个站试报结果表明：改进BP算法对降水预报的TS评分大大高于传统BP算法,也高于几种模式的降水预报结果,同时,改进算法使降水预报的平均空报率、漏报率明显降低。     

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。     

登陆台风站点大风预报的人工神经网络方法

利用数值预报格点资料预报登陆台风影响时,沿海地区站点风的预报是各站点的定时二分钟风向风速。通过对MICAPS站点资料进行整合、分析,选取了沿海地区400多个资料比较齐全的站点和海岛站作为预报站点。用NCEP再分析场的格点资料做相关性分析,选定9个预报因子。运用BP网络对每个站点分别建立纬向风和经向风人工神经网络模型,拟合风速的绝对值误差是1.3 m·s~(-1)。独立样本检验,风速绝对误差在2 m·s~(-1)以内。     

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。     

低空急流与阿勒泰暖区大--暴雪

分析了冬季产生新疆低空急流的大型环流特征及低空急流与阿勒泰暖区大-暴雪的关系。结果表明，在中高纬度欧亚范围内呈现“双阻型”，中亚中纬度高空维持纬向强急流锋区的情况下，若有巴尔喀什湖以南的暖湿气流向北输送，则有利于造成阿勒泰暖区大-暴雪的新疆低空急流产生。高低空急流的位置及强度可作为降雪量和大-暴雪落区的短期预报指标。