基于循环神经网络的单站能见度短临预报试验

由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15. 75%、31. 66%、41. 26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12. 90%、24. 45%、38. 99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。