贵州省暴雨BP神经元网络预报方法

引入人工智能方法，应用BP神经元网络技术，结合数值预报产品、动力诊断产品和当地预报经验指标，构造了贵州省期暴雨落区预报的人工神经元网络模型，实现了全省各大－暴雨落区的逐日概率预报，为业务预报提供了客观预报指导产品。     

试用BP人工神经元网络法做感冒指数预报

利用 1 998～ 2 0 0 1年东营市某医院的感冒病人门诊病历 ,将感冒疾病进行分级并以此为预报对象 ,以同期实时气象要素为预报因子 ,根据感冒与气象要素的关系 ,按气候相近的原则分型 ,用人工神经元网络 (BP)算法 ,建立春、夏、秋、冬及春夏、秋冬过渡季节的 6个感冒指数预报模型 ,2 0 0 1年用该模型进行了试报 ,预报准确率在45 %～ 6 0 % ,具有一定的参考价值     

因子和样本优化及最优预报方程模型

为了选择与预报量有密切关系的因子和有代表性的样本,分别采用投影寻踪回归（ＰＰＲ）和Ｂ－Ｐ神经网络对因子和样本进行优选。实例分析表明：优选出的样本保留了全部样本的大部分信息;用优选出的因子建模可达到与用全部因子建模相近的拟合和预报效果。     

神经网络BP模型用于月降水预报的研究

采用神经网络ＢＰ型三层映射模式，以南京１９４６－１９８５年４０年月雨量为基础序列，确定三层模式的形式。通过不断调整权重系数，作出１９８６年１－１２月的月雨量长期预报，又用同样方法但改用前一个月的实测值报后一个月的月雨量作出１９８６年各月的月雨址预报。平均绝对误差分别为６．０７ｍｍ和５．７３ｍｍ。对１９９４年６、７、８、９月月雨量以４个不同的起始值进行神经网络预测，都得到１９９４年夏季南京特旱的结果，与实测结果相同。     

陕西省人工神经元网络降水年,季度预报系统

利用Ｂ－Ｐ人工神经元网络进行了陕西省年度,季度降水预报试验,提出了利用０－１模型解决多等级预报问题的方法,并建立了年度,季度等级预报模型,经过试验,表明该方法预报效果良好,最后对模式在应用中的一些问题及目前其它预报模型的差异等进行了讨论。     

BP模型的原理及其气象应用

结合气象应用简要介绍人工神经元网络ＢＰ模型的原理和方法，对其在气象预测中的应用经验作了评述。     

BP网络在鲁西南地区西南涡降水量级预报中的应用试验

天气预报的困难主要源于非线性、高维性和数据的不精确性。所以,我们利用人工神经元网络来处理气象问题。本文引入BP网络来预报鲁西南地区的西南涡降水强度。经过网络的自学习,它能自动地从历史资料中抽取预报因子和预报对象的关系,进而作出较正规的预报。     

基于BP神经网络的张掖国家湿地公园水域结冰厚度预报模型

利用2011年12月2012年3月张掖国家湿地公园水域结冰厚度观测资料和张掖观象台的气温、地温等资料,借助BP神经网络可以逼近任意非线性函数的能力和特点,构建了用于短期预报水域结冰厚度的模型,并验证该模型的预报效果。结果表明,BP神经网络预报模型能够对水域结冰厚度进行有效的短期预报,该结冰厚度的预报模型对结冰厚度的预报效果较理想。流动水域结冰厚度预报历史拟合率高达96.8%,模型试报准确率为85.7%;静止水域结冰厚度预测历史拟合率达87.8%,模型试报准确率为80.0%,其性能指标符合实际要求,具有实际应用价值。     

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。     

基于BP神经网络模型的广西月降水量降尺度预报

应用1961～1998年的山东省40个代表站夏季降水资料及NCAR/NCEP再分析月平均资料,分析了山东夏季降水的气候特征,并对旱涝年的大气环流异常进行了合成对比分析。结果表明:山东夏季降水整体表现为旱涝同步,降水分布呈现由东南向西北递减的趋势。涝年与旱年的环流形势存在明显的差异:涝年,贝加尔湖及其以西地区的位势高度降低,我国东部到日本海的位势高度明显升高。东亚大槽、乌拉尔山阻高、副热带高压位置及强度的变化对山东夏季降水有重要影响。有三支暖湿气流在山东上空交汇,为降水提供了充沛的水汽来源;而在旱年,上述环流特征呈现相反的形势。     

NEURAL NETWORK BP MODEL APPROXIMATION AND PREDICTION OF COMPLICATED WEATHER SYSTEMS

An artificial neural network BP model and its revised algorithm are used to approximate quitesuccessfully a Lorenz chaotic dynamic system and the mapping relation is established between theindices of Southern Oscillation and equatorial zonal wind and lagged equatorial eastern Pacific seasurface temperature(SST) in the context of NCEP/NCAR data,and thereby a model is prepared.The constructed net model shows fairly high fit precision and feasible prediction accuracy,thusmaking itself of some usefulness to the prognosis of intricate weather systems.     

NEURAL NETWORK BP MODEL APPROXIMATION AND PREDICTION OF COMPLICATED WEATHER SYSTEMS*

An artificial neural network BP model and its revised algorithm are used to approximate quite successfully a Lorenz chaotic dynamic system and the mapping relation is established between the indices of Southern Oscillation and equatorial zonal wind and lagged equatorial eastern Pacific sea surface temperature(SST) in the context of NCEP/NCAR data,and thereby a model is prepared.The constructed net model shows fairly high fit precision and feasible prediction accuracy,thus making itself of some usefulness to the prognosis of intricate weather systems.     

影响广西的热带气旋年频数的BP神经网络预测模型

对影响广西的热带气旋(TC)年频数与大气环流的关系进行分析表明,TC年频数与全球范围大气环流异常有密切关系,特别是春季南半球中高纬度环流异常和低纬越赤道气流异常.利用相关分析从春季全球大气环流场中选择初选预报因子,然后对初选预报因子作EOF展开构造综合预报因子,运用BP神经网络方法建立TC年频数预报模型,并对所建立的模型进行独立样本试验.结果表明,该预报模型对历史样本拟合精度高,试报效果优于传统的逐步回归模型,可在汛期预测业务中应用.     

海气耦合随机动力模式的Fokker-Planck方程

将描写海温和气温交互作用的随机动力模式化为一个Fokker-Planck方程(FPE),然后用矩阵连分法进行求解,并对二氧化碳增温效应进行了计算。当CO₂从330ppm增加到660ppm时增温1.2℃,模式中存在的优势周期为3～4年,当CO₂倍增时各周期有延长的趋势。     

DOWNSCALING FORECAST OF MONTHLY PRECIPITATION OVER GUANGXI BASED ON BP NEURAL NETWORK MODEL

Variables fields such as enstrophy, meridional-wind and zonal-wind variables are derived from monthly 500 hPa geopotential height anomalous fields. In this work, we select original predictors from monthly 500-hPa geopotential height anomalous fields and their variables in June of 1958 - 2001, and determine comprehensive predictors by conducting empirical orthogonal function (EOF) respectively with the original predictors. A downscaling forecast model based on the back propagation (BP) neural network is built by use of the comprehensive predictors to predict the monthly precipitation in June over Guangxi with the monthly dynamic extended range forecast products. For comparison, we also build another BP neural network model with the same predictands by using the former comprehensive predictors selected from 500-hPa geopotential height anomalous fields in May to December of 1957 - 2000 and January to April of 1958 - 2001. The two models are tested and results show that the precision of superposition of the downscaling model is better than that of the one based on former comprehensive predictors, but the prediction accuracy of the downscaling model depends on the output of monthly dynamic extended range forecast.     

海气耦合随机动力模式的Fokker—Planck方程

将描写海温和气温交互作用的随机动力模式化为一个Ｆｏｃｋｋｅｒ－Ｐｌａｎｃｋ方程（ＦＰＥ），然后用矩阵连分法进行求解，并对二氧化碳增温效应进行了计算。当ＣＯ２从３３０ｐｐｍ增加到６６０ｐｐｍ时增温１．２℃，模式中存在的优势周期为３￣４年，当ＣＯ２倍增时各周期有延长的趋势。     

基于数值预报产品的地面气温BP-MOS预报方法

在山东省临沂市气象局开发的"中尺度数值预报业务系统"的基础上,利用高分辨率的数值预报产品和地面气温观测资料,建立了地面气温的BP神经网络方法预报模型。检验结果表明BP神经网络模型的气温预报准确率高于逐步回归模型和MM5模式输出的气温预报准确率,可应用于实际预报业务中来制作气温的精细化预报。     

区域化学输送模式中NOx和O3源示踪法的引入

发展了化学输送模式中氮氧化合物(NOx)和臭氧(O3)的一种源示踪方法,对这种示踪法及其应用模式作了详细介绍,并结合臭氧光化学反应机理的分析描述了NOx和O3示踪物浓度方程的推导过程。将这种示踪法引用到区域化学输送模式中,并以太原和石家庄地表NOx人为排放产生的活性氮化物和臭氧为例,演示了污染物向北京的输送过程,模拟的O3,NOx和NOz示踪物浓度时空分布与O3,NOx和NOz在大气中的衰减尺度分析一致,表明该示踪法是一种有效的研究区域氮氧化物以及臭氧来源和输送转化过程的方法。个例模拟分析结果显示:太原和石家庄的地表人为排放产生的NOx本身并不能输送到北京,但通过它们产生的O3和HNO3可以输送到北京,对北京地表附近大气污染造成影响。