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24 h和12 h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,12 h预报准确率高于24 h预报准确率.     

运用人工神经网络作汛期降水预报

本文提出汛期降水预报的人工神经网络方法，并选择一组标样进行了具体分析，预报成功率达100％，结果表明，该方法性能良好，可望成为汛期降水预报的有效手段。     

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。     

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。     

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。     

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%。     

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。     

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。     

汛期降水预报的一种有效方法

汛期降水预报的一种有效方法张芝琴李宇清（晋城市气象局０４８０００）１引言汛期降水的多寡是各级领导和有关部门在汛期即将到来之时十分关注的问题，也是气象部门汛前做好决策服务的重要依据。而晋城的降水量年际变化很大，汛期就更为突出，最多年达８４２毫米，最少年...     

人工神经网络方法在夏季降水预报中的应用

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（冬季）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,最后得到一种分类预报模型。经对１９９２～１９９６年夏季雨型做独立试报,结果与实况基本相符。     

洛阳市2003年夏季多雨环流特征及汛期降水预报

分析了2003年洛阳夏季多雨环流特征，探讨了汛期降水偏多的预报因子，并用副高特征量因子建立了汛期降水预测模型。     

Copula函数在广西洪涝灾害的降水概率预测中的应用

为了研究洪涝的重要致灾源因子降水的概率,利用广西从1970年-2012年的降水数据,以年降水均值（X）和年降水极值均值（Y）为研究变量,通过Copula函数构建其联合分布.经过OLS,AIC拟合优度评价,采用Copula函数中拟合效果较好的Gumbel-Hougaard Copula函数建立边缘分布为Pearson-Ⅲ型的两变量的联合分布.随后,进行相应的重现期计算,计算结果表明,在联合重现期下的两变量降水设计值比单变量设计值和同现重现期下的设计值都要高,故采用联合重现期下的联合设计值作为防洪标准会更加安全.最后,对比降水数据与灾情数据,研究降水重现期与洪涝灾情的关系.结果表明,降水的重现期越长,洪涝灾害也越严重.     

人工神经网络在西藏中短期温度预报中的应用

根据2003年11月—2005年10月西藏自治区32个站点的气象资料,采用动态学习率BP算法的人工神经网络建模,在ECWMF、T213等模式数值预报产品释用基础上,进行1~7天逐日最高、最低温度模拟预测。模型业务试用结果表明,该神经网络模型具有较强的自适应学习和非线性映射能力,其预报结果能够满足实时预报的精度要求,对西藏中、短期极端温度的实时业务预报具有较好的参考价值。     

广东省前汛期降水分布趋势的分析与预测

利用模糊聚类分析方法将广东省前汛期降水的分布趋势进行分类。取各类的代表站进行对应分析,用前两个公共因子对汛期降水的分布趋势进行分类,分析各类的500 hPa平均高度场及它们之间的差异。同时研究各类前冬（1,2月）500 hPa环流形势的演变特点和海温场（12～2月）的分布。最后求得前两个载荷变量的预测值,作出汛期降水分布趋势预报。     

洛阳市2003年夏季多雨环流特征及汛期降水预报

分析了2003年洛阳夏季多雨环流特征,探讨了汛期降水偏多的预报因子,并用副高特征量因子建立了汛期降水预测模型.     

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。     

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，以探索人工智能用于灾害性天气预报的新方法。