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。     

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...     

应用人工神经元网络建立临汾地区分级降水预报系统

应用人工神经元网络建立临汾地区分级降水预报系统秦爱民，张临平，薛双青（临汾地区气象局０４１０００）１引言人工神经元网络就是试图以模拟人脑神经系统的组织方式构成新型的信息处理系统，其工作模式即类似于大脑的用并行分布模式取代符号定义的计算机模式。十几年来...     

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。     

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。     

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。     

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     

用人工神经元网络作西南涡降水量级预报

根据汛期预报服务的需要，引进人工神经元ＢＰ网络，选取经验指标和数值预报产品为预报因子，以西南涡影响下鲁西南地区短期降水量级为预报对象，在对历史样本进行训练的基础上，得到了一个可有效判别受西南涡影响时，鲁西南地区降水量级大小的分类预报网络。方法简便、客观，实际预报效果好。     

B—P算法在青海省降雨分区分级预报中的应用

选用０８：００（北京时）常规资料和数据预报产品作为预报输入资料，将关键区要素场作贝雪夫多项式展开，取车贝雪夫系数作为预报因子，由Ｂ－Ｐ神经元网络进行训练，分别建立了全省各片未来２４ｈ内有，无≥５，１０和２５ｍｍ降水天气过程的人工神经元降水分区预报系统，从学习结果看，历史概括率均达９５％以上，１９９４和１９９５年６，７，８三个月的业务试报，效果较好。     

热带气旋预报的人工神经网络方法

根据１９４９－１９８８年登陆珠江口的热带气旋资料，运用了人工神经网络的一个典型模型－“反向传播”模型，建立了该地区３５－４９小时热带气旋登陆地点的预报模型，并应用于热带气旋登陆地点的预报，即珠江口的热带气旋登陆地点预报，其拟合最大相对误差不超过０．７％。结果表明，神经网络预报模型具有容错能力强、预报速度快的特点，可望成为望带气旋预报的有效辅助手段。     

神经网络在水位预报中的研究

根据各站点降水资料,运用高斯权重客观分析原理计算广西区域的面雨量,以上游面雨量值、水位值与西江流域的梧州水位进行相关分析,找出基于水位的主要预报因子;进一步采用人工神经网络与主成分分析(PCA)相结合的方法进行了西江流域梧州水位的预报方法研究。计算结果表明,该预报方法所构造的预报模型对历史样本拟合精度高,试报效果也较好,可在预报业务中应用。     

RLS-BP人工神经网络算法在降水预报中的应用

RLS—BP是一种新发展起来、自动设置网络主要参数和具有快速收敛能力的人工神经网络模型，用预报对象动态消空处理加以改进，应用于大连地区短中期降水MOS预报，实施了其预报效果与普通BP网络对比的试验。结果表明，改进后的新模型既提高了降水的预报精度，又有良好的计算稳定性．并且适合推广应用于气温、能见度等诸多气象要素的预报和预测问题。     

湛江降水量的径向基神经网络预测模型

以湛江地区50年来的月降水量为时间序列,利用高斯径向基函数,选择输人窗口（时滞）大小为6,建立了一种智能型的径向基函数神经网络预测系统,并分别对1991—2000年和2001-2003年的月降水量进行了测试预报和独立样本预测。结果显示,该模型预测效果明显优于传统的线性自回归预测模型,各月平均的平均绝对误差（MAE）和均方误差（RMSE）达到41．8和55．7。虽然该模型对降水量的预报还存在量级偏小的系统性偏差,但它完全有可能为本地区短期气候预测提供一种客观、自动的业务预报方法。     

福建省干旱概况及夏旱期间人工增雨条件分析

对福建省干旱的成因和干旱的环流形势进行了探讨,着重分析了夏旱期间人工增雨作业的天气形势、云状、回波特征及云顶温度等条件,结果表明福建省干旱的形成与大型环流形势、地形、地貌及土壤植被条件有关;平均而言,闽东南沿海干旱多于内陆地区;西太平洋副热带高压是夏季致旱的主要天气系统;夏季,西风槽前型、台风外围影响型、副热带辐合带型是进行人工增雨作业的有利天气形势,Sc、Cb、Cu云都有一定的人工增雨作业条件,其中降水时长1～5 h,过程雨量1.0～5.0 mm的云是旱季作业比较适合的作业云.这些结果为开展人工增雨作业提供理论依据,达到解除或缓解干旱的目的.     

利用人工神经网络预报芜湖的雾

雾对人类的活动有着很大的影响，尤其是对军事活动影响更为突出。由于雾是一种小概率事件，准确地定点预报雾难度更大。本文提出了神经网络B－P算法输入层因子的筛选方法，隐层挑选、位置矩阵等特殊处理方法，它们对于网络的稳定学习是非常有效的。通过对芜湖雾日预报试验，取得了较为满意的试报效果。     

人工神经网络方法预报长江上游流域面雨量的探讨

利用1998～2000年3～11月长江上游六大流域逐日降水实况和MAPS、T106(T213)、欧洲中心等数值产品资料，采用人工神经网络方法，建立了六大流域强降水面雨量等级预报模型。并于2002年6～9月进行了业务试验。     

人工神经网络预报模型的过拟合研究

针对神经网络方法在预报建模中存在的“过拟合”(overfitting)现象和提高泛化性能 (generalizationcapability)问题 ,提出了采用主成分分析构造神经网络低维学习矩阵的预报建模方法。研究结果表明 ,这种新的神经网络预报建模方法 ,通过浓缩预报信息 ,降维去噪 ,使得神经网络的预报建模不需要进行适宜隐节点数的最优网络结构试验 ,没有“过拟合”现象 ,并且与传统的神经网络预报建模方法及逐步回归预报模型相比泛化能力有显著提高     

中国西北干旱区年降雨量的时空变化

通过对中国西部地区６８个站３０年年降雨量的分析，把中国西部划分为６个降雨量性质不相关的区。通过对西北３个区的分析，把年降雨量划分为８种不同的空间分布类型。分析表明，控制中国西北干旱区的天气系统主要为西风系统。在过去的３０年间，西北干旱区的气候并非都是变得越来越干，不同的地区变化情况不同。