神经网络在天气预报上的应用研究

通过把Neuralwork软件的adaline、madaline两种模型引入到天气预报工作的实践，证明神经网络在天气预报领域的应用有广阔的前景。     

国外人工智能技术在天气预报中的应用综述

文章介绍本世纪８０年代以来国外人工智能技术在天气预报领域的研究与应用历史，现状及其效果评价。     

人工智能技术在数值天气预报中的应用

当前,人工智能迎来第3次发展浪潮并在多个领域大数据分析中取得巨大成功,这为人工智能技术与数值天气预报结合提供了契机。已有大量研究尝试将人工智能技术用于数值天气预报的初值生成、预报和产品应用过程中,涉及观测资料预处理、资料同化、模式积分、后处理以及高性能计算,通过误差估计、参数估计和局部代理等手段使预报结果,得到改进且计算速度大幅提升,展示出良好的应用前景,一些神经网络模型也表现出纯数据驱动预报的可能性,在短时强对流天气、降水以及气候预测中已有较为理想的应用实例。然而,人工智能技术在数值天气预报中的应用与发展仍面临一些挑战,主要包括深度学习的弱解释性、不确定性分析以及两者的耦合等,除了应对这些挑战,未来两者的深度结合还需要在理论指导下的人工智能模型设计、高时空分辨率人工智能预报模型设计以及使用更多新型人工智能技术等方面深入探索。     

神经网络在天气预报上的应用研究

通过把 Neuralwork软件的 adaline、 m adaline两种模型引入到天气预报工作的实践 ,证明神经网络在天气预报领域的应用有广阔的前景。     

天气预报在空调销售中的应用

随着气象科学技术的不断发展，天气预报在各行各业的应用越来越广泛，在空调市场竞争激烈的情况下，天气预报在空调销售中的作用就更不可低估。回顾1994年盛夏，一场激烈的“空调市场争夺战”在各地市场展开，为了促销，各生产厂家真是费尽心机，挖空心思，使出浑身解数：推销大军四处出动；广告争夺战刀光剑影，针锋相对，并充分利用各种宣传媒介，不惜耗费巨资；更令企业心痛的是，不惜减价“大出血”，有的每台让利1000元，有的2000元，有的甚至削价2500元用售，为减少产品积压，套现流动基金，真是不惜一切代价，这种削价行为对销费者来…     

天气预报在供暖节能中的应用

天气预报在供暖节能中的应用范玉华，辛晓慧，苍运奇陈万贵（哈尔滨市太平区房管处）１前言改革开放以来，城市住宅建设迅猛发展，锅炉集中供暖面积逐渐递增，但国ｌｆｌ热水供暖管理水平多数仍处于“经验型”和政府指令阶段，这不仅造成能源的较大浪费，还不时引起公众的...     

数值概率在天气预报中的应用

从用户与预报员的角度讨论了天气预报中表示为数值概率的风险评价溉念。对于用户来说,该概念能使特别事件发生、或者是特定临界值被越过(例如在特定时段中温度降到低于0℃)的风险定量化。对于预报员来说,这种概念非常有用,因为它能使预报员用一种最适合反映各种情况下天气系统演变的语言来表达他们的预报。这种概念对于用户与预报员都是一种很实用的工具,经得起客观评价,从而提供一个衡量预报员技术与评价预报员对用户之价值的标准。     

卡尔曼滤波方法在天气预报中的应用

从气象应用角度介绍了卡尔曼滤波的基本原理及其递推算法。为了说明卡尔曼滤波递推算法的应用方法，制作了北京１９９３年１月份逐日最低气温３６小时预报。预报结果令人满意，表明该方法很有实用价值，与ＭＯＳ方法相比，它的优点是不需要收集大样本历史资料，因此，它容易适应数值预报模式的变化。     

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。     

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。     

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。     

基于人工神经网络的洪涝预报方法研究

针对西江流域的洪涝灾害，利用流域的水文参量和气象参量作为自变量，探索基于人工神经网络的洪涝预报方法。以西江流域梧州市1971～2003年超过警戒水位（17．0m）共125次作为研究对象，选取流域的水文参量和气象参量作为预报因子，对数量众多预报因子采用自然正交分解（EOF）方法，浓缩大量因子的有效信息，建立了西江流域梧州洪涝的人工神经网络预报模型。结果表明：所建立的预报模型历史拟合平均绝对百分比误差为2．21％，平均绝对误差为0．43m，预报结果平均绝对百分比误差为2．34％，平均绝对误差为0．45m，预报效果较好，可应用于实际的洪涝预报中。     

基于人工神经网络的洪涝预报方法研究

针对西江流域的洪涝灾害,利用流域的水文参量和气象参量作为自变量,探索基于人工神经网络的洪涝预报方法。以西江流域梧州市1971~2003年超过警戒水位(17.0m)共125次作为研究对象,选取流域的水文参量和气象参量作为预报因子,对数量众多预报因子采用自然正交分解(EOF)方法,浓缩大量因子的有效信息,建立了西江流域梧州洪涝的人工神经网络预报模型。结果表明:所建立的预报模型历史拟合平均绝对百分比误差为2.21%,平均绝对误差为0.43m,预报结果平均绝对百分比误差为2.34%,平均绝对误差为0.45m,预报效果较好,可应用于实际的洪涝预报中。     

云南省Internet网络天气预报会商系统

云南省基于Internet网络的天气预报会商系统覆盖云南省、地 (州 )、县三级。系统采用了Internet网络技术、数据库技术 ,实现了省、地 (州 )、县天气预报发布及浏览查询、预报讨论BBS、天气预报会商室、系统管理 ,在线短消息互发等功能。     

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。     

面雨量在天气预报中的应用

面雨量的和预报,适合防汛、抗洪需要,并可能成为我国气象和水文两大学科相结合的纽带。提出了计算面雨量的三角形法,不仅有其明显优点,且易于实现业务自动化;进一步探讨了面雨量在预报和服务中的应用以及面雨级的划分和预报。