基于多隐层神经网络的GNSS PWV和气象数据的降雨预测研究

随着GNSS技术在气象学领域的发展和应用,获取高精度、高时空分辨率的PWV/ZTD成为可能,利用GNSS获取的PWV/ZTD对短临降雨预测引起国内外学者的关注。目前该理论的主要缺陷是错报率较高,其主要原因是降雨是多种气象过程综合作用的结果。因此,本文提出利用多种气象参数(温度、气压、相对湿度),时间相关参数(年积日、日积时、时积分)和PWV进行短临降雨预测的方法,通过多隐含层神经网络建立降雨和各种参数的非线性关系并对降雨进行短期预报。试验结果表明,基于多隐含层神经网络构建的预测模型可预测出95%以上的降雨事件,且错报率仅为20%左右,较现有短临降雨预测理论正确率提高近10%,错报率相当。