人工神经网络方法在鹤壁汛期降水预报中的应用

在用经验统计方法和降水判别函数进行24h和12h晴雨预报的基础上，再用BP人工神经网络建立降水量级预报模型。经2003年汛期试用，预报准确率高于上级指导预报准确率，12h预报准确率高于24h预报准确率。     

BP人工神经元网络在春季降水量预报中的应用

通过普查北半球５００ｈＰａ、１００ｈＰａ、北太平洋海温与山东省春季降水量的相关，选取相关信度达到０．０５的相关区作为预报因子，利用ＢＰ（反向传播）人工神经元网络建立山东省春季降水量预报模型，并投入业务运用。结果表明，ＢＰ人工神经元网络具有较好的预报效果。     

人工神经网络在温度和降水预报中的应用

利用人工神经网络的ＢＰ网络制作全省温度和降水预报。在作哈尔滨站温度预报时,选取实时高空、地面和欧洲温度场共１０个因子,一天２次发布未来２４ｈ预报。对哈尔滨站共作了１２个月的最高、最低温度预报。在作全省降水预报时,将全省分成８片,分别进行降水等级预报和暴雨有无预报;选用的是Ｔ１０６资料,选取２０个因子,对１９９８、１９９９年的温度和降水预报进行了检验和评分。     

从1997年汛期降水天气过程浅谈降水量级的预报

本文以１９９７年７月１７－１９日,８月－３０日－３１日、９月１１－１２日和９月１７日等几次降水天气过程为例,就降水量级的预报进行一些探讨。     

人工神经网络方法在夏季降水预报虽的应用

在夏季雨型预报中引进了人工神经网络方法,首先,根据雨型与前期环流和海温的关系,从前期冬季资料场中找预报因子;然后,用人工神经网络方法对我国夏季的雨型进行模拟预报,以前４０年资料做训练样本,让网络在一定的学习规则下进行学习。     

欧洲数值产品在降水中期预报中的应用

欧洲数值产品在降水中期预报中的应用刘艳华孟悦付立林（黑龙江省气象台１５００３０）中期天气预报必须抓住与其时间尺度相对应的超长波发展、变化。以往只能用实况资料作平均图,与历史资料选相似去预报未来天气情况。但前期形势相似与后期形势变化并不一定存在一一的对...     

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。     

应用数值预报产品制作大同市中期降水预报

应用数值预报产品制作大同市中期降水预报胡润山（大同市气象局０３７００４）应用欧洲数值预报产品、Ｔ＿４２数值预报产品及中央气象台发布的旬天气趋势预报制作大同市中期降水预报收到较好的预报效果，本文介绍大同市夏季（６月到８月），时效为７２～１２０小时中期降...     

卡尔曼滤波技术在暴雨中期预报中的应用

在河北暴雨中期预报系统中,应用卡尔曼滤波技术对ＥＣＭＷＦ５００ｈＰａ高度预报场进行了订正。通过对ＥＣＭＷＦ５００ｈＰａ高度场的多种订正试验,分析比较未订正的和各种不同订正方案的高度预报均方根误差,证明卡尔曼滤波双因子订正对于提高暴雨预报能力是有效的。     

月预报,中期预报中的过程预报

本文根据１９８０￣１９８９年南宁地区降水资料和南宁站日平均海平面气压资料，用周期分析方法，分析桂西南地区的大气低频振荡，得出气压场和日降水量峰值的一些低频振荡的规律，并提出月、旬预报中的天气过程预报方法。     

Application of Artificial Neural Networks to Rainfall Forecasting in Queensland, Australia

In this study,the application of artificial intelligence to monthly and seasonal rainfall forecasting in Queensland,Australia,was assessed by inputting recognized climate indices,monthly historical rainfall data,and atmospheric temperatures into a prototype stand-alone,dynamic,recurrent,time-delay,artificial neural network.Outputs,as monthly rainfall forecasts 3 months in advance for the period 1993 to 2009,were compared with observed rainfall data using time-series plots,root mean squared error(RMSE),and Pearson correlation coefficients.A comparison of RMSE values with forecasts generated by the Australian Bureau of Meteorology’s Predictive Ocean Atmosphere Model for Australia(POAMA)-1.5 general circulation model(GCM) indicated that the prototype achieved a lower RMSE for 16 of the 17 sites compared.The application of artificial neural networks to rainfall forecasting was reviewed.The prototype design is considered preliminary,with potential for significant improvement such as inclusion of output from GCMs and experimentation with other input attributes.     

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。     

人工神经网络在南京秋季短期降水预报中的应用

利用2002年10月2日—12月1日的HLAFS资料,计算得到组合因子,通过相关系数的检验得到预报南京秋季(10—11月)降水的组合预报因子。把这些组合因子和对应的降水实况输入人工神经网络中进行学习和训练,最后得到南京秋季降水的人工神经网络预报方法。检验和试预报结果表明,预报降水的准确率为70%～80%,高于HALAF模式10%～20%。     

气象要素在电力负荷预测中的应用

综合应用人工神经网络、模糊理论等智能技术,着重考虑天气因素对电力负荷的影响,确定了一种有效的电力系统短期负荷预测方法。并应用陕西省9个地市1998-2001年的逐日8个气象要素以及对应的逐日电力负荷值,对陕西省电力负荷进行训练和预测。研究结果证明这种方法能较大地提高日负荷预测的精度。     

甘肃省降水神经元网络预报系统

利用Ｂ－Ｐ神经网络原理,建立了以多数据库为支撑的甘肃省降水神经元网络预报系统。经过试运行发现,该系统具有客观定量化、系统化、业务实用化以及预报效果较好等特点。     

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。     

Study on the Overfitting of the Artificial Neural Network Forecasting Model

Because of overfitting and the improvement of generalization capability (GC) available in the construction of forecasting models using artificial neural network (ANN), a new method is proposed for model establishment by means of making a low-dimension ANN learning matrix through principal component analysis (PCA). The results show that the PCA is able to construct an ANN model without the need of finding an optimal structure with the appropriate number of hidden-layer nodes, thus avoids overfitting by condensing forecasting information, reducing dimension and removing noise, and GC is greatly raised compared to the traditional ANN and stepwise regression techniques for model establishment.     

区域降水数值预报产品人工神经网络释用预报研究

利用T213、日本细网格降水预报等数值预报产品,采用人工神经网络方法进行预报释用。通过聚类分析方法对广西自治区测站进行分类,简化预报对象,对数量众多的T213数值预报产品采用自然正交分解(EOF)方法,浓缩大量因子的有效信息,并结合日本降水预报因子建立广西5~6月区域降水量级的逐日人工神经网络预报模型。运用与实际业务预报相同的方法进行逐日预报试验。结果表明,用这种数值预报产品释用方法建立广西3个预报区域的B-P人工神经网络预报模型对中雨以上降水量级预报的TS评分分别为0.55、0.5和0.26,比目前业务预报中参考使用的T213和日本数值预报产品降水预报具有更好的预报效果。     

人工神经网络在感热通量计算中的应用

感热通量计算方法的研究是边界层研究中最重要的内容之一。基于中日JICA计划项目中青藏高原东缘四川盆地温江站的边界层铁塔观测资料初步研究了使用人工神经网络(ANN)计算边界层感热通量的方法,并将ANN和经验公式法计算得到的感热通量分别和真值作相关和误差分析。对2009年4月和5月的两个个例研究的结果表明:ANN计算结果和真值的相关性都高于经验公式法且趋势变化和真值更加吻合,ANN计算的2009年4月的感热通量与真值的均方根误差(RMSE)稍大于经验公式法,但2009年5月的RMSE明显小于经验公式法。