PNN网络在预测MCS移动中的应用

神经网络是空间数据挖掘的一种重要手段。本文运用概率神经网络(PNN网络)对1998年夏季影响青藏高原上中尺度对流系统(MCS)东移的环境物理量场的空间分布特征进行了研究，得到了高原上MCS移动方向与环境物理量场空间分布之间的关系。研究表明，使用概率神经网络预测中尺度对流系统的移动具有较好的效果，从而为研究高原上MCS东移与环境场之间的关系提供了一种新的方法和思路。     

贝叶斯分类法在MCS移动路径预测中的应用

长江流域上出现的致洪大暴雨与青藏高原上中尺度对流系统(Mesoscale Convective System,简称MCS)的东移密切相关。为了揭示高原上MCS的移动与其周围环境物理量场之间的关系,本文利用1998年6～8月的日本地球静止气象卫星(GMS)探测的逐时红外辐射亮温资料(Tbb),并结合国家气象中心高分辨率有限区域分析预报系统(HLAFS)产品中的数值格点预报值,构建了MCS环境场特征值数据库。据在400hPa和500hPa两个层面上,分别运用朴素贝叶斯分类法对MCS周边环境物理量特征数据集进行训练并预测,结果表明,贝叶斯分类法能有效地运用于预测MCS的移动路径。