风电场两种超短期风速预报方法的效果对比

针对风电场所需的时效在0~4 h,且时间分辨率不低于15 min的超短期风速预报。根据测风塔实时发回的实测风速序列,建立了基于BP神经网络的风电场风速时间序列外延预报模型。另一方面,建立 MM5模式预报风速与实测风速的误差序列,并利用BP神经网络作误差序列的外延预报,从而利用误差的预报值对MM5风速预报值进行订正,获得新的预报值。综合对两种方法的预报效果指标分析以及拟合曲线的比较结果表明:使用BP神经网络对MM5风速预报值进行修订的方法在总体上效果较优,特别是当影响风电场的天气系统变化明显,近地层风速变率较大时,该方法的预报效果更具有明显的优势。     

回归分析和BP神经网络在地表沉降监测中的应用

采用回归分析法中的曲线拟合法和BP神经网络模型的数值处理方法,对比两种方法在预测地表沉降中的有效性和准确性,对提高信息预测的精度和准确度有着积极的作用。     

基于全场信息的数值预报产品释用方法研究

对于短期气候时间尺度预报来说, 短期内尚无有效方法提高数值预报产品精度, 建立一种能综合有效利用全场信息的非线性释用方法, 通过统计释用提高短期气候的预报准确率, 是一条可行的途径。通过CCA-BP法建立的典型因子, 可以代表因子场与站点预报要素之间的大部分协方差关系, 使因子与站点要素相关性大为提高, 进而通过神经网络技术 (BPNN) 建立非线性预报模型, 实现上述目标。以平潭、福州站10月旬平均温度、降水距平百分率预报为例, 分别使用CCA-BP-BPNN模型和插值模型对1983-2001年资料建立预报方程, 对2002-2005年的试报结果表明:解释预报对数值预报产品做了较大修正,使预报产品具有一定的使用意义及参考价值。从各项评价指标来看,CCA-BP-BPNN模型优于插值模型。该方法为提高短期气候数值预报产品的释用精度提供了一个值得参考的途径。     

基于BP神经网络的单站总云量预报研究

云是能够对飞行活动产生影响、甚至危及飞行安全的气象要素之一。为了对北京单站总云量进行预报,利用人工神经网络的BP模型,针对不同时次进行关键因子的选取,尝试用多种预报因子的组合,建立了总云量预报模型。试验结果表明：所建立的模型具有较好的拟合、预报精度,并且没有出现＂过拟合＂现象,对新样本具有较好的泛化能力。     

宿州雷暴气候特征及其灾变G ANN预测模型研究

根据宿州市5个气象站1957-2008年雷暴日观测资料,利用数理统计方法分析了宿州雷暴的时空分布规律,以及雷暴与降水、温度的关系。结果显示：宿州属于多雷区,南部多于北部,南北相差3.21-4.65天;年际变化大,年累计雷暴日最多相差37天,初终雷及无雷期年际间振荡的幅度较为剧烈,52年来累计雷暴日线性减少的趋势明显,减少幅度为1.61-2.89天/10a;季分布以夏季最多,冬季最少;月分布呈单峰型,雷暴多集中在4-9月,以7月最多,12月最少;日分布呈单峰型,以16：00-18：00频率最大;多年平均月雷暴日数序列与相应的气温、降水量之间呈显著正相关。为了进一步预测雷暴的长期演变趋势,以埇桥为例建立了雷暴多发年份灰色人工神经网络组合预测模型,预测下一个雷暴多发年将发生在2025年。     

西北地区高填方地基沉降的预测模型研究及分析

沉降变形一直都是困扰填方工程的关键问题,原始地基中存在的湿陷性黄土与粉质黏土会导致沉降增大以及不均匀沉降等现象的发生.因此,做好工程的沉降监测和工后预测,对于保障高填方地基的稳定性至关重要.笔者以西北某机场迁建工程中高填方沉降监测数据作为依据,分别应用双曲线、对数和指数拟合曲线对填方地基的沉降进行预测、分析与对比,总结...     

BP神经网络在花岗岩型铀矿预测中的应用

在已知矿床的外围或深部发现更多的成矿有利区是我国南方地区新一轮热液型铀矿勘查工作的重要方向之一。采用BP网络对某花岗岩型铀矿区以航空放射性信息为主的找矿标志进行综合。15个检验样本的预测有利度与期望有利度基本吻合,表明采用该预测模型对研究区内所有样本进行综合预测是合适的。从全区的预测结果可以看出,14处已知铀矿床均位于成矿有利度大于0.9的区域,且在已知铀矿床的外围发现了具有较好成矿远景的多片有利区。     

最优子集神经网络在武威气温客观预报中的应用

选取2003年3月1日至2008年12月31日20时的逐日ECMWF(欧洲中期天气预报中心)数值预报产品实况格点资料,使用差分法、天气诊断、因子组合等方法,构造出能反映本地天气动力学特征的预报因子库,采用PRESS(预测平方和)准则初选因子,逐步回归复选因子,最优子集回归精选因子,建立分月、分站点逐日最高、最低温度BP神经网络预报模型。模型业务试用结果表明:该BP神经网络预报模型具有较强的非线性处理能力,能较好地反映日极端温度的变化,0～120 h内的最高、最低温度平均预报准确率达较高水平,且对明显的升降温过程反应灵敏,升降温趋势和幅度预报较为准确,为0～120 h的城镇精细化温度预报提供了重要的技术支撑,同时也为ECMWF数值预报产品在温度的释用提供了一种好的思路和方法。     

利用BP神经网络提高奥运会空气质量实时预报系统预报效果

将BP(Back Propagation)神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现:BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。     

Separating climatic and possible human impacts in the early Holocene: biotic response around the time of the 8200 cal. yr BP event

The early Holocene is characterised by rapid climate change events, which in the North Atlantic region are often associated with changes in thermohaline circulation. Superimposed on this in northwest Europe is localised evidence for human impact on the landscape, although separating climatic and anthropogenic mechanisms for environmental change is often difficult. Biotic and sedimentological evidence from a lacustrine sequence from the Inner Hebrides, Scotland, shows a considerable reduction in inferred local woodland centred upon 8250 cal. yr BP. These data correlate precisely with a distinctive rise in the charcoal:pollen ratio and hence suggest a possible Mesolithic human impact upon the vegetation around this time. A quantitative temperature reconstruction from chironomid analyses from the same sequence, supported by sedimentological data, indicates that the fall in arboreal pollen taxa occurred as climate warmed significantly during the early Holocene. This warming was followed by a significant cold event, with mean July temperatures reduced by 2°C, that lasted for at least 320 years ca. 7790–7470 cal. yr BP. Woodland recovered during this phase suggesting that the vegetation during the 8250 cal. yr BP interval was likely to have been responding to human activity, and not climate, and hence it is possible at specific sites to separate the influence of these key drivers of environmental change. Copyright © 2006 John Wiley & Sons, Ltd.