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。     

热带气旋路径人工神经元预报方法对比试验研究

分别对具有动量项BP、LM、RBF人工神经网络建立36、48、60、72小时的热带气旋路径预测模型,各用100个独立样本进行预测检验,分析了网络"学习好,预报差"的原因,解决这一问题的关键是选择合适的网络结构参数、相应的学习算法和合适的预报因子,并总结了合理应用人工神经网络建立预测模型的经验.针对人工神经网络模型不具有自动选取因子的功能,给实际应用造成困难,提出了基于RBF的逐步选取因子的算法,并进行了对比试验,表明该方法具有较高的实用价值.     

人工神经网络与遗传算法结合的时间序列预测模式

介绍了遗传算法的基本概念和流程，阐述了人工神经网络作为时间序列预测模式的可行性和不足之处，并提出了人工网络与遗传算法相结合的时间序列预测模式，最后给出了该算法的计算结果，并对结果和模式作了讨论。     

人工神经网络与符号推理在江淮气旋预报中的应用研究

本文通过对符号推理及神经网络系统的剖析，实现了神经网络与符号推理的有机结合，并成功地运用到天气预报中去。提出了一种新的，充分利用预报经验，数值预报产品及计算机计算能力的预报方法。     

陕西省人工神经元网络降水年,季度预报系统

利用Ｂ－Ｐ人工神经元网络进行了陕西省年度,季度降水预报试验,提出了利用０－１模型解决多等级预报问题的方法,并建立了年度,季度等级预报模型,经过试验,表明该方法预报效果良好,最后对模式在应用中的一些问题及目前其它预报模型的差异等进行了讨论。     

TOVS水汽及演的误差分析及其订正

该文利用同步物理反演法以６小时数值预报场为背景场对１９９２年１月份ＮＯＡＡ－１２卫星垂直探测（ＴＯＶＳ）资料进行了大气参数反演，并对水汽反演误差进行了检验和分析．以常规观测作为检验的标准，检验结果按３条轨道统计，发现反演的相对湿度平均误差与背景场的误差密切相关，均为负值；在高层和高纬度，误差绝对值随高度的增加而增加，随纬度的升高而增加；误差的日际变化在高层比较稳定，低层振动较大．对反演误差进行订正后的结果表明，在５００ｈＰａ以上反演均比背景质量要好，尤其轨道Ａ所有层次上订正后的反演比背景场好．     

用遗传算法优化小波神经网络的结构

用遗传算法确定小波神经网络中输入层单元数和隐含层单元数,同时采用梯度法计算小波神经网络中的权系数、伸缩和平移系数,从而达到优化小波神经网络的结构的目的。     

NEURAL NETWORK BP MODEL APPROXIMATION AND PREDICTION OF COMPLICATED WEATHER SYSTEMS

An artificial neural network BP model and its revised algorithm are used to approximate quitesuccessfully a Lorenz chaotic dynamic system and the mapping relation is established between theindices of Southern Oscillation and equatorial zonal wind and lagged equatorial eastern Pacific seasurface temperature(SST) in the context of NCEP/NCAR data,and thereby a model is prepared.The constructed net model shows fairly high fit precision and feasible prediction accuracy,thusmaking itself of some usefulness to the prognosis of intricate weather systems.     

主成分分析法在神经网络集成预报中的应用

本文将主成分分析方法引入到用神经网络作集成预报中,根据各个主成分的方差贡献的大小来确定所需主成分的个数,在此基础上,对集成预报的原始因子进行重构,以达到对数据进行降维,加快计算速度和提高预报准确率的目的。     

DOWNSCALING FORECAST OF MONTHLY PRECIPITATION OVER GUANGXI BASED ON BP NEURAL NETWORK MODEL

Variables fields such as enstrophy, meridional-wind and zonal-wind variables are derived from monthly 500 hPa geopotential height anomalous fields. In this work, we select original predictors from monthly 500-hPa geopotential height anomalous fields and their variables in June of 1958 - 2001, and determine comprehensive predictors by conducting empirical orthogonal function (EOF) respectively with the original predictors. A downscaling forecast model based on the back propagation (BP) neural network is built by use of the comprehensive predictors to predict the monthly precipitation in June over Guangxi with the monthly dynamic extended range forecast products. For comparison, we also build another BP neural network model with the same predictands by using the former comprehensive predictors selected from 500-hPa geopotential height anomalous fields in May to December of 1957 - 2000 and January to April of 1958 - 2001. The two models are tested and results show that the precision of superposition of the downscaling model is better than that of the one based on former comprehensive predictors, but the prediction accuracy of the downscaling model depends on the output of monthly dynamic extended range forecast.     

STUDY ON MIXED MODEL OF NEURAL NETWORK FOR FARMLAND FLOOD/DROUGHT PREDICTION

The paper concerns a flood/drought prediction model involving the continuation of time seriesof a predictand and the physical factors influencing the change of predictand.Attempt is made toconstruct the model by the neural network scheme for the nonlinear mapping relation based onmulti-input and single output.The model is found of steadily higher predictive accuracy by testingthe output from one and multiple stepwise predictions against observations and comparing theresults to those from a traditional statistical model.     

大气长波辐射R-S5波段模式计算误差及其订正

在研究夜间边界层等问题的数值模式中,采用R-S5波段模式计算大气长波辐射时,如仅积分到边界层模式顶会使向下辐射和净辐射产生误差,且导致模式顶下的虚假强辐射降温。本文讨论了这种误差的来源,并提出了一种简单有效的订正方法。     

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。     

低纬度地区局地暴雨的神经网络预报方法研究

以南宁市所辖8个站暴雨集中的6-8月逐日降水量作为预报对象,采用人工神经网络方法进行了新的数值预报产品释用预报方法研究.通过运用动力相似法,结合日本降水预报模式对未来暴雨发生的可能性进行判别,然后通过对欧洲中期数值预报中心预报场进行滑动分区车氏展开计算,求出与降水量序列相关较好的预报因子,并对这些因子进行自然正交分解,有效浓缩数值预报产品因子,建立了南宁市逐日暴雨的神经网络释用预报模型.利用该预报模型,对2006年6-8月的逐日暴雨预报试验结果表明,该预报模型对南宁市的暴雨强降水具有很好的预报能力.     

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。     

利用神经网络从118.75 GHz附近通道亮温反演大气温度

为了准确快速地从118.75 GHz附近六通道亮温计算大气温度,作者开展了利用人工神经网络技术反演大气温度的数值模拟研究。与线性统计反演算法比较,海面上大气温度反演的总体均方根误差减小17%,陆面上大气温度反演的总体均方根误差减小15%。两种下垫面条件下的温度反演结果表明,近陆面的温度反演结果优于近海面的温度反演结果。另外,对温度廓线垂直结构反演性能的分析结果表明,对于具有较厚逆温层结构的温度廓线,神经网络反演对廓线的复现能力优于线性统计反演。     

基于BP神经网络的汛期降水预测模型研究

采用误差反传前向网络（简称BP神经网络）建立汛期（6-8月）降水预测模型,并与采用逐步回归方法建立的模型进行对比试验,结果表明,基于BP神经网络的汛期降水预测模型不仅对历史样本的拟合精度更高,而且其独立样本的预测检验效果也比逐步回归方法更好,是一种具有一定应用前景的汛期降水预测方法。     

基于客观分析的重庆雾的BP神经元网络预报模型研究

本文利用数值预报产品、TTAA报文观测资料及重庆雾(能见度)的实况资料,采用客观分析方法将相关资料处理成二维网格资料,再运用车贝雪夫正交多项式实现二维网格图形的数学定量描述,最后建立重庆雾的BP神经网络方法预测模型,并对重庆雾进行预报试验。检验结果表明,这种方法预报效果较好,基于客观分析的BP神经网络模型进行雾的短期预报具有一定的应用前景。     

A LABORATORY INVESTIGATION OF CHARACTERISTICS OF TORNADO-LIKE VORTICES OVER VARIOUS ROUGH SURFACES

In this paper,the effects of surface roughness on tornado-like vortices are studied in the laboratory forsimulating tornado vortex at the Disaster Prevention Research Institute,Kyoto University,Japan.In the experiments,the distribution of the horizontal wind speed and direction at five different heightswere measured with a hot-wire anemometer and a mini-vane.The characteristics of wind speed and direc-tion distribution for the tornado vortex on the various rough surfaces were first revealed with the simulativemethod in laboratory.By changing the swirl ratio(S=tanθ/2a)of simulation device,it is found that,thesize of tornado-like vortex core will become almost identical,as the swirl ratio S exceeds a certain value(S>1.5).The experimental results can be used not only to explain the observed facts in the atmosphere but alsoto provide the experimental bases for some theoretical studies.     

模式误差对变分同化过程影响的数值研究

本文利用浅水方程模式，对变分四维同化过程中模式中误差的影响进行了数值模拟实验，实验显示了模式误差被“混淆”入初始场的现象，在一些模式变量无观测时，这种混淆的后果更为严重。