BP神经网络模型在重庆伏旱预测中的应用研究

采用气象要素定义伏旱指数，利用小波分析等方法分析重庆地区伏旱变化特征，最后采用BP神经网络模型对伏旱进行预测试验，结果表明，重庆伏旱变化具有明显的阶段性特征，而基于BP神经网络模型的伏旱预测模型预测效果良好，可以应用于实际预测。     

2014-2020年许昌市O3质量浓度的变化特征

根据2014-2020年许昌市逐日O3最大8 h质量浓度资料,采用算术平均法、百分位数法分析了许昌市O3质量浓度变化特征.结果表明:许昌市O3质量浓度:1)年平均值为99μg·m-3,2019年最高(108μg·m-3),2014年最低(90μg·m-3);年平均O3质量浓度以每年2.5μg·m-3的速率显著上升.2)...     

PCA-BP神经网络在SO2浓度预报中的应用

将基于主成分分析(PCA)的BP神经网络预报方法引入大气污染预报,建立SO2浓度预报模型.结果表明:应用主成分分析对数据进行前处理,以原始预报因子的主成分作为BP神经网络的输入,降低了数据维数,消除了样本间存在的相关性,大大加快了BP神经网络的收敛速度.对模型进行预报验证,预报值与实际值之间的绝对误差为0.0098,预报值与实际值的相关系数达到0.885,得到较好的预报效果.并且比一般的BP神经网络模型具有较高的拟合和预报精度.     

改进BP神经网络在城市环境大气污染分季节预报中的应用

用泛化改进后的BP神经网络模型，选用2001、2002、2003年的气象因子和环境监测浓度资料按年度、季节分别建立预报模型，对贵阳市城市大气污染浓度进行预报。该方法除弥补了统计方法的预报精度不高和数值预报模式的方法复杂难实现的不足之处外，还很好地解决了未改进的BP网络训练误差很小时，一个新的输入与对应的目标输出具有较大误差的问题。     

BP神经网络在寒露风长期预报中的应用

运用神经网络理论建立玉林寒露风长期预报模式，该预报模式在预报实践中获得了较好的效果。     

BP神经网络在寒露风长期预报中的应用

运用神经网络理论建立玉林寒露风长期预报模式，该预报模式在预报实践中获得了较好的效果。     

基于遗传优化BP神经网络的水稻气象产量预报模型

利用1951—2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料,采用因子膨化及相关分析,研究了水稻气象产量的影响因子及影响时段。在此基础上建立了逐步回归、PCA-BP神经网络以及PCA-GA-BP神经网络3种产量预报模型。结果表明:(1)7—9月份是水稻产量形成的关键时期,对气温、降水的变化最为敏感,气温对气象产量的影响大于降水;(2)两种神经网络模型预报效果好于回归模型;(3)遗传优化的神经网络模型比未优化模型的训练速度提高了70%左右,预报精度也提高了4.3%。     

BP神经网络法在大气污染预报中的应用研究

近年来将BP网络模型应用到大气污染浓度预报中 ,并建立了大气污染物浓度的神经网络预报模型。将计算结果与监测值进行了验证 ,结果表明 :TSP的计算值与观测值之间的绝对误差为 4× 1 0 - 3～ 3× 1 0 - 2 mg·m- 3,NOX 的计算值与观测值之间的绝对误差为 5× 1 0 - 3～ 2× 1 0 - 2 mg·m- 3;且具有较好的相关性。BP模型是目前最为广泛应用的神经网络模型之一 ,它是一种简单而又非常有效的算法 ,BP神经网络法为城市空气污染预报工作提供了一种全新的思路和方法。     

2017—2019年太原南部城区夏季O3特征及其影响因子

利用2017—2019年夏季(6—8月)太原市污染物浓度和气象逐小时数据,分析了太原南部城区O3浓度及其影响因子的变化特征,通过神经网络构建了O3与其影响因子的关系模型,并进行了检验.结果表明:2017—2019年夏季太原南部城区O3浓度超标天数分别为55 d、39 d、59 d,超标主要集中在6月和7月;O3浓度日变...     

BP神经网络在油菜花期预报中的应用

建立花期预报模型,发布观赏性植物的精准花期预报,为旅游活动提供重要参考依据,已经成为气象服务领域一个新的发展方向。为了解高淳旅游区油菜花期的变化规律,探索其预报方法,指导高淳油菜花节旅游活动,根据1985—2010年高淳站日最高气温、日最低气温、日平均气温、日降水量、日日照时数、日平均5 cm地温、日平均相对湿度和日小型蒸发量等气象观测数据,利用主成分分析法,得到其与油菜花期相关系数较大的3个主成分,即温度因子、天气因子和辐射因子,以此为输入因子,建立基于BP神经网络的油菜花期预报模型,探讨BP神经网络在花期预报领域的应用。结果表明,传统的有效积温方法预报结果与实际开花期平均相差4.25天,BP神经网络方法预报结果与实际开花期平均相差1.5天,与有效积温预报油菜花期的方法相比,BP神经网络技术具有预测结果准确率高和操作简单等特点,在花期预报领域具有广阔的应用前景。     

BP神经网络在长期天气过程预报中的应用试验

采用误差反传前向网络(简称BP网络)方法,以日、月相概率作为输入因子,建立长期天气预报模型。结果表明,模型的业务预报试验效果比较理想,对较大降水和升(降)温过程均有一定预报能力,相对于传统的单纯运用日、月相概率预报长期天气过程的方法,BP神经网络方法具有预报较客观、准确率较高等特点,在目前长期天气预报理论和数值预报模式尚不能用于实际业务的情况下具有较大的应用价值。     

BP神经网络和支持向量机在紫外线预报中的应用

为了提高紫外线预报准确率,应用BP(Back Propagation Learning Algorithm)神经网络模型和支持向量机(Support Vector Machines,简称SVM)回归方法建立重庆市主城区紫外线辐射强度客观预报模型。统计相关分析结果显示,不同季节影响紫外线辐射强度的主要因素并不相同。对所有相关分析因子用逐步回归方法,按方差贡献大小筛选出预报因子,以每日紫外线平均辐射量为预报对象,分季节建立预报模型。比较用不同方法建立的预报模型发现,两种非线性模型(BP模型和SVM模型)的拟合能力优于线性逐步回归模型,但独立样本检验结果表明,3种模型的预报准确率基本相当。将3种方法所建预报模型应用T213数值预报资料进行业务试报,得到较好预报效果。     

多隐层BP神经网络在模式预报中的简化应用

EC细网格预报效果好,基本满足业务需要,在工作中被广泛应用。为进一步提升预报准确性,做好迪士尼园区的气象服务保障,选取2016年7月至2017年6月1年的2 m温度预报场,24 h预报时效的时间分辨率为3 h,72 h预报时效的时间分辨率为24 h,分别用回归分析法、S型和简化Line型BP神经网络法进行模式释用,与迪士尼气象站观测数据对比。结果表明:阈值为1℃时,对模式结果释用后,均方根误差减少了0.5℃到1.0℃,3—9 h和21—72 h预报时效的准确率由原来的50%和30%分别上升到70%和50%。采用S型多隐层BP神经网络误差最小,不同预报时效释用稳定性最高,同时该释用方法对t_(min)的预报特征把握更精准,释用效果明显优于对t_(max)的预报释用,但迭代计算耗费时间大幅增多,与预报效果的提升不成正比。简化Line型的BP神经网络通过8个半月的数据量和简单的网络模式,捕获了EC预报的特征,不但减小了计算量,大幅缩短了计算时间,而且预报结果也有显著提升,预报稳定性较好,具有广泛的业务应用空间。     

基于BP神经网络模型的雷电潜势预报

为了使用神经网络较好地解决在雷电潜势预报中常见的非线性问题,本文通过计算南京地区2008年6～8月46个对流参数与雷电发生的相关系数,选取了与雷电发生关系较好的刀、SI、CIN等7个对流参数作为BP神经网络的输入因子。利用2008年的资料所建立的BP神经网络模型,预报了南京地区2009年6～8月的雷暴活动潜势,结合实际雷暴发生情况,得到此模型的POD为80．9％,FAR为9．5％,CSI为74．5％,PDFD为2．9％,FOM为19．1％。表明该BP模型预报准确率较高,性能稳定,有较好的推广价值。     

2015—2019年太行山南麓O3浓度特征及其与气象因子的关系

利用2015—2019年太行山南麓(即山西省晋城市)O3浓度和中国太阳总辐射资料,分析了该地区O3浓度的时空变化特征,及其与风、相对湿度、降水、雾霾、气温、太阳总辐射等气象因子的关系.结果表明:O3浓度呈逐年增加趋势,夏季浓度明显高于冬季,月变化为单峰型,峰值出现在6月,谷值出现在1月,日变化白天高于夜间;O3浓度的空...     

基于BP神经网络的地质灾害细网格预报模型

地质灾害成因复杂,其中以气象因素、地质地貌因素引发的地质灾害最为常见.以金华地区为例,通过对金华市地质地貌条件及其对地质灾害点的调查,将全区划分为4个地质灾害隐患风险等级的网格区域.在此基础上利用金华中尺度气象资料,采用BP神经网络模型,建立地质灾害细网格预报模型,对该模型进行模拟和预报试验.结果表明,合理的隐患风险等级分区能使预报模型更符合科学规律,而采用分布较细的中尺度资料作为预报因子能进一步提高预报精度.模型的预报结果达到一定的可信度,为防灾减灾工作提供了科学依据.     

基于MATLAB神经网络对大同市气溶胶浓度预测

通过对大同市2011-2012年PM10质量浓度、有关气象要素和参数进行随机抽样、分组,建立单隐含层BP神经网络、多隐含层BP神经网络以及RBF网络对以上数据进行调试和训练,得出：就2011-2012年预测PM10日均质量浓度样本而言,按预测效果好坏排序,多隐含层最佳BP神经网络＞单隐含层最佳BP神经网络＞RBF神经网络;从网络最小误差总和来看,三种网络对夏秋两季的预报效果最好;从预测值和实测值的拟合效果来看,RBF网络对春季和冬季PM10质量浓度的预测效果最好;多隐含层BP网络对秋季PM10质量浓度的预测效果最好;三种神经网络对夏季PM10质量浓度的预测效果都很好,优劣性差异不大.     

北京夏季O3垂直分布与气象因子的相关研究

通过分析2000年7月26日～8月22日北京325 m气象塔的O3浓度梯度观测资料及同期的气象资料,探讨了O3与NOx、风速、风向、温度及相对湿度的关系.通过建立不同风向下O3浓度与NOx、温度、相对湿度及风速的多元回归方程,证实了高浓度的O3是NOx与气象条件综合作用的结果,利用可得到的气象资料及NOx浓度值进行O3污染预报的尝试是可行的.     

神经网络在雷暴预报中的应用初步研究

尝试利用人工神经网络的方法对南京地区的雷暴天气进行预报。南京站的探空资料（每天08时和20时各一次）可以反映雷暴发生前大气层结的初始状态,而江苏省闪电定位网资料则可以作为预报量加以使用。利用探空资料计算了一些与雷暴发生相关的预报因子,用以建立南京地区雷暴的神经网络预报模型,并应用独立样本进行了初步的模拟预报检验。初步结果表明,预报模型取得了较令人满意的效果,应用神经网络的方法预报雷暴的发生是可行的。     

BP神经网络在多普勒雷达降水量的估测中的应用

利用2005年4次降雨过程的多普勒雷达体扫的回波强度资料及相应的雨量计观测资料, 通过BP神经网络方法来估测临沂地区的降雨量, 同时以改进的最佳窗概率配对法建立的Z-R关系估测的降雨量为对照, 进一步验证BP神经网络方法的优越性。根据各个站点的平均相对误差、 均方根差、 相关系数和相关曲线斜率4个指标的比较, 小时雨量和累计降雨量估测结果表明： BP神经网络估测精度要明显优于Z-R关系式, 训练样本的精度高于检验样本的精度, BP神经网络估测的降雨量与站点实测雨量吻合性较好, 能够较真实地反映地面降雨情况; Z-R关系式估测的降雨量随着雨强的不同表现为不同程度的低估现象。