松花江汛期最高水位预报

利用人工神经网络和逐步回归方法对松花江汛期最高水位进行模拟，并对1996、1997、1998年的最高水位进行了试报，效果极佳。试报1998年松花江最高水位119．69m，实况120．89m，仅差1．2m；报出大洪水；而且在1999、2000年业务预报中也准确报出松花江出现的枯水位。两种方法可以在实际中推广应用。     

松花江流凌预报方法

为了充分开发、利用水利资源，在分析大气环流与流凌关系的基础上，采用统计方法，对松花江流凌进行了气候分析，确定了流凌与气象因子的关系，为航运局航道局提供航运决策，收到了明显的经济效益和社会效益。     

松花江中游汛期最高水位的长期预报方法

通过对松花江中游历史上江洪灾害年强降水天气系统的分析,找出了控制强降水天气系统的大尺度环流框架。利用前期西太平洋副热带高压的变化、特定海域的海温、海冰预报汛期大尺度环流地理位置和强度,间接预报松花江中游流域内的江水最高水位。     

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。     

运用自组织人工神经网络作汛期降水预报

本文提出了汛期降水预报的自组织人工神经网络方法，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。     

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。     

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。     

荆江河段洪水水位预报方法研究

研制了荆江河段各站具体的洪水水位预报方案,并对预报方案进行了检验。研究表明:利用洪水预测的上下游相关法,建立荆江河段宜昌-枝城、枝城-沙市、沙市-城陵矶-石首、枝城-城陵矶-监利等水文预报站点的上下游相应水位关系曲线,能较好的预测荆江河段各预报站点洪水水位,并且通过对1969、1981、1983年3次洪峰过程试报的结果表明,该方案具有较好的适应性。     

舟山市汛期降水量预报方法

利用基于预测误差平方和 ( PRESS)准则的逐步回归分析和基于残差平方和( RSS)准则的逐步回归分析建立了舟山市 3个县区站汛期 ( 5～ 9月 )降水量的预报模型 ,并对两种方法的预测结果进行预报集成 ,经试报和预报检验表明 ,该模型的预测效果较好     

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。     

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。     

松花江流凌预报自动化系统

利用５００ｈＰａ高度场５个相关区作为预报因子,建立流凌预报模型,根据此模型制作松花江流凌预报自动化系统,实现流凌专业预报自动化。     

基于主分量的神经网络水位预报模型应用研究

根据气象和水文资料，以上游面雨量、水位值为预报因子，以西江流域的梧州水位为预报量，发现预报因子与预报量有很好的相关性。采用人工神经网络与主分量分析相结合的方法，建立了梧州水位的预报模型。结果表明，该预报模型对历史样本拟合精度高，试报效果及预报稳定性明显好于传统的神经网络预报模型，可在预报业务中应用。     

高血压病发病率预报的人工神经网络方法研究

通过统计分析，选取影响银川地区高血压病发病率的主要气象因素，将其作为输入变量经多层前馈型神经网络的BP(Back Propagation)算法进行学习训练，建立了疾病发病率的人工神经网络(ANN，Artifical Neural Net)预报模型。结果表明：该方法计算简便、误差较小，为疾病发病率预报提供了一种新的预报方法。     

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。     

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。     

人工神经网络方法在降水量级中期预报中的应用

将人工神经网络方法与统计方法相结合，采用分步预报的方法，首先用经验统计方法进行晴雨预测，再用BP人工经网络建立降水量级预报模型，探讨神经网络方法在中期降水预报的应用，试验表明，神经网络方法能提高中到大雨降水量级的中期预报能力，但对暴雨的预报不理想。     

北江流域清城洪水水位短期预报方法

对北江流域面雨量分布特征与洪水组合特性进行了研究,用非线性曲线的数据拟合和卡尔曼滤波方法,建立了面雨量与洪水水位预报系统,为北江防汛部门提供准确的降水和河流水位预报。