利用专家神经网络试报广西前汛期暴雨

介绍了专家神经网络的基本方法及用此方法作广西前汛期暴雨预报的经验，以探索人工智能能用于灾害性天气预报的新方法。     

用神经网络法试报黄河三角洲汛期暴雨

在天气学分型的基础上,用神经网络Back-Propagation(简称B－P）算法,以1990－1995年汛期（6月下旬－9月上旬）日本数值预报产品和实时资料若干气象要素作为预报因子,对黄河三角洲的汛期暴雨进行了试预报,预报准确率平均达70％,比主观预报准确率提高了50％以上。     

广东省前汛期暴雨业务系统

1系统结构暴雨业务系统采用模块化结构，主要由预报方法、实时物理量、数值预报、资料检索和系统服务等五部分组成，具体见图1。各部分由主控程序控制，通过人机交互进行操作。1．1预报方法预报部分由起始场、专家系统和物理因子统计等三个方法组成。其中前两个方法已在暴雨预报业务工作中应用较长时间，第三个方法是近年研究成果，并进行概率预报尝试。这三个方法除专家系统尚需判读特征天气系统外，其余全部自动运行。起始场为“850hPa西南风起始场”的简称，是广东省暴雨过程预报的一种方法［‘」。一旦有起始场建立，则意味着未来三天…     

前汛期首场暴雨的短期预报

本文统计了１９７４－１９９３年２０年气象资料，分析前汛期出现头场暴雨的主要天气系统及本站气象要素反映，并对头场暴雨的短期预报作初步探讨。     

北海市前汛期暴雨分析和预报

通过对1965-1999年共35年北海市3个站的前汛期（4～6月）暴雨资料进行统计分析，普查历史天气图，用天气学原理和方法对造成北海市前汛期暴雨的天气形势进行相似分型，并归纳出各种天气类型的预报因子，利用T213预报场资料对2000-2003年的前汛期暴雨进行24-48h试报，使用效果不错。     

神经网络原理在暴雨预报中的尝试

1基本思路在天气预报中实现人工智能，是中国气象局天气司对今后预报业务系统建设提出的一大方向。我省在人工智能领域的工作做得不多，特别在市级台还是空白，因此省局于1992年批准立项进行这方面的研究，本课题1）的主要任务就是探讨市台预报业务系统智能化的可能性。人工模拟人脑思维功能，是世界性热门课题之一，也是当今世界的一大难题，其原理和应用还处在发展阶段，还有许多有待于解决的问题，困难很大。神经元网络原理模拟人脑的学习、记忆、思维、推理机能[1]，本文利用其BP网络模拟预报员从大尺度环境场中捕捉暴雨信息的能力。环…     

北海市前汛期暴雨分析和预报

通过对1965~1999年共35年北海市3个站的前汛期(4~6月)暴雨资料进行统计分析,普查历史天气图,用天气学原理和方法对造成北海市前汛期暴雨的天气形势进行相似分型,并归纳出各种天气类型的预报因子,利用T 213预报场资料对2000~2003年的前汛期暴雨进行24~48h试报,使用效果不错。     

贵港市前汛期暴雨特征及其预报

通过对1961～2000年4～6月份贵港三县（市）暴雨过程进行总结，归纳出现暴雨前的一些主要特征，探讨用本地气象要素变化指标与天气系统、数值预报产品及指标站资料作暴雨预报的方法，并建立贵港市暴雨预报模式。     

基于BP和Elman神经网络的福建省汛期旱涝预测模型

建立了福建汛期旱涝BP和Elman神经网络预测模型，并对两种模型的性能和差异进行了比较，结果表明：动量BP网络模型，特别是具有局部反馈特性的Elman网络模型具有较好的拟合精度和预报效果。此外两种模型对旱涝等级为2和4的预测偏差较大，而对旱涝等级为3的预测较为准确。     

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。     

用单站铅直能量廓线图作局地暴雨预报辅助工具的初步尝试

本文通过对2001年至2003年4次暴雨个例的单站铅直能量廓线图的各种参数进行分析，发现用能量学方法作为常规天气学方法的辅助工具，在暴雨预报中有很好的应用价值。     

最优子集神经网络在武威气温客观预报中的应用

选取2003年3月1日至2008年12月31日20时的逐日ECMWF(欧洲中期天气预报中心)数值预报产品实况格点资料,使用差分法、天气诊断、因子组合等方法,构造出能反映本地天气动力学特征的预报因子库,采用PRESS(预测平方和)准则初选因子,逐步回归复选因子,最优子集回归精选因子,建立分月、分站点逐日最高、最低温度BP神经网络预报模型。模型业务试用结果表明:该BP神经网络预报模型具有较强的非线性处理能力,能较好地反映日极端温度的变化,0～120 h内的最高、最低温度平均预报准确率达较高水平,且对明显的升降温过程反应灵敏,升降温趋势和幅度预报较为准确,为0～120 h的城镇精细化温度预报提供了重要的技术支撑,同时也为ECMWF数值预报产品在温度的释用提供了一种好的思路和方法。     

广西6月区域性暴雨过程的延伸预测试验

应用NCEP/NCAR的1958-2008年3～6月的逐日20时SLP、850 hPa、700 hPa、500 hPa环流场再分析资料,选取覆盖广西区域的16个格点进行Lamb环流分型,分析造成广西区域性暴雨的主导系统.利用动态相似集成预测方法,制作延伸期内区域性暴雨过程预测.2003-2008年6月的实际预测结果检验表明,预测准确率可达70%,为短期气候过程预测提出了一个新的方法.     

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。     

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。     

广西汛期暴雨若干特征分析

对１９５９—２０００年广西汛期（４～９月）暴雨的年、月分布和广西汛期暴雨天气过程的季节分布及主要影响天气系统进行深入分析，得到了广西汛期暴雨的若干重要特征，对广西汛期划分提出了改进意见。     

基于概率神经网络的沙尘天气预报

为了对敦煌地区沙尘天气过程进行预报,构造概率神经网络模型。尝试组合多种预报因子,选取最优预报因子。通过叠套方法进行预报消空,减小冗余的晴好天气样本。使用Matlab神经网络工具箱提供的函数建立沙尘天气预报模型,并采用遗传算法获得模式层最佳平滑参数,来优化概率神经网络模型结构,使概率神经网络的函数逼近能力和网络性能得到提升。以此进行的沙尘天气预报效果较好,准确率达57%以上。