基于BP神经网络的陕西春季浅层地温预测模型

利用2016—2021年春季(3—5月)陕西98个国家级地面气象观测站逐日观测资料,运用BP神经网络构建了陕西春季不同区域(陕北、关中、陕南)不同月份(3、4、5月)不同土壤深度(5、10、15、20 cm)地温预测模型,并利用2022年数据进行模型预测检验。研究结果表明：模型预测的各深度日平均地温在陕北、关中、陕南地区预测准确率＞95%,且整体表现出土壤深度越深预测准确率越高的趋势,10 cm日平均地温预测准确率＞98%,15、20 cm日平均地温预测准确率＞99%;各深度日平均地温在陕北、关中、陕南地区预测值与实测值的均方根误差≤10 ℃、平均绝对误差≤08 ℃,均方根误差和平均绝对误差整体表现出土壤深度越深误差值越小的趋势;模型预测精度比较理想,可用于陕西春季浅层地温预报业务,为春播及果树花期预报提供技术支持。     

气象条件对北京夏季中暑的影响及预测研究

利用2009-2012年北京市467例中暑病例与同期9个气象要素资料和当日及前期1-4 d累积平均气象要素共45个气象因子,采用相关分析法分析北京夏季中暑发病人数与气象因子之间的关系|采用多元线性回归和非线性拟合方法构建了改进的北京中暑气象预报模型,选取拟合优度较好的模型对中暑人数进行回代及预测检验,并与现用模型进行对比。结果表明：气温是引发北京夏季中暑的决定性因子|气温、水汽压、气压及降水的两日累积效应均高于当日效应,表明气象要素的连续累积作用对人体中暑影响较大|建立的中暑预报模型具有较好的历史拟合及预测效果,中暑等级划分较合理,对北京市中暑气象等级预报服务和公众有效防范中暑有实际的指导意义。