模糊神經(jīng)網(wǎng)絡(luò)在氣象短期預(yù)報(bào)中的應(yīng)用研究.pdf

1、近年來，隨著氣象業(yè)務(wù)現(xiàn)代化建設(shè)的快速發(fā)展，數(shù)值天氣預(yù)報(bào)業(yè)務(wù)系統(tǒng)的不斷升級(jí)，現(xiàn)代通訊水平的不斷提高和完善，氣象工作者可以獲得越來越多的時(shí)間和空間分辨率不斷升高的氣象觀測(cè)數(shù)據(jù)，信息量十分龐大。相應(yīng)地，隨著社會(huì)的發(fā)展，人類對(duì)天氣預(yù)報(bào)也提出了更高的要求。然而，一般來說，當(dāng)前預(yù)報(bào)員作的常規(guī)氣象預(yù)報(bào)是在數(shù)值預(yù)報(bào)的基礎(chǔ)上，綜合各種氣象觀測(cè)資料，根據(jù)經(jīng)驗(yàn)，主觀確定短期的天氣預(yù)報(bào)。數(shù)值預(yù)報(bào)的要素預(yù)報(bào)也有很大的系統(tǒng)誤差，因此，在細(xì)致的要素預(yù)報(bào)方面存在比較大

2、的缺陷。 本文研究短期降水分級(jí)預(yù)報(bào)，在分析了傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)(BPNN)的原理、算法及不足的基礎(chǔ)上，研究了BP神經(jīng)網(wǎng)絡(luò)在大氣科學(xué)領(lǐng)域的應(yīng)用情況，針對(duì)當(dāng)前氣象短期預(yù)報(bào)中，氣象要素預(yù)報(bào)存在比較大的誤差，提出了采用基于模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy Neural Network，F(xiàn)NN)的短期降水分級(jí)預(yù)報(bào)的模型；進(jìn)一步討論了模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、學(xué)習(xí)算法及步驟；在此基礎(chǔ)上，選擇了華南汛期的夏季短期降水分級(jí)預(yù)報(bào)進(jìn)行研究，選用了廣州及其周圍韶關(guān)

3、、惠州、陽江、云浮4個(gè)氣象站的地面常規(guī)觀測(cè)資料，經(jīng)過預(yù)處理生成預(yù)報(bào)因子，以其作為網(wǎng)絡(luò)模型的輸入，訓(xùn)練和測(cè)試網(wǎng)絡(luò)模型，并將測(cè)試結(jié)果和人工預(yù)報(bào)方法、數(shù)值預(yù)報(bào)方法的預(yù)報(bào)效果進(jìn)行比較，在有雨預(yù)報(bào)，特別是大到暴雨的預(yù)報(bào)上，模糊神經(jīng)網(wǎng)絡(luò)模型的預(yù)報(bào)準(zhǔn)確率高于數(shù)值模式的預(yù)報(bào)結(jié)果，并且在預(yù)報(bào)時(shí)間上，模型預(yù)報(bào)遠(yuǎn)遠(yuǎn)低于數(shù)值預(yù)報(bào)；模型預(yù)報(bào)的準(zhǔn)確率低于人工預(yù)報(bào)，但是在時(shí)間上較快，不依賴于預(yù)報(bào)員的專業(yè)知識(shí)和經(jīng)驗(yàn)，因此基于模糊神經(jīng)網(wǎng)絡(luò)的短期降水分級(jí)預(yù)報(bào)模型具有很大的