基于智能计算的广西冷湿极端天气定性和定量组合预报方法研究

基于智能计算的广西冷湿极端天气定性和定量组合预报方法研究

论文摘要

论文以逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料为基础,将表征冬季低温冷害的冷湿指数作为预报量,先利用随机森林方法进行冬季逐日冷湿极端天气定性判别预报分析,再进一步以粒子群算法为基础的模糊神经网络集成个体生成技术方法,建立一种新的非线性智能计算定量集成预报模型(PSOFNN),进行了广西冷湿极端天气定量预报模型的预报建模研究。结果表明,论文提出的这种以不同的智能计算方法构建的定性、定量综合预报分析方法,比较符合极端天气小概率事件的预报特点,其中随机森林算法构建的定性预报模型,对广西冷湿极端天气事件的预报TS评分(Threat Score)为0.77,空报率为0.23,漏报率为0,ETS评分(Equitable Threat Score)为0.41,TSS评分(True Skill Statistic)为0.53。而采用粒子群—模糊神经网络方法构建的极端冷湿指数定量集成预报模型比其他线性和非线性预报模型具有更好的预报精度。其中PSOFNN集成预报模型在预报建模样本和独立预报样本个例相同的情况下,比回归方法的预报平均绝对误差下降了25%以上,比一般的普通模糊神经网络预报平均绝对误差下降了14.37%。主要原因是因为PSO-FNN集成预报模型通过改进集成个体的预报能力和增强集成个体的种群差异性,提高了集成预报模型的预报精度。因此,该智能计算集成预报模型的泛化能力显著提高,预报结果稳定可靠,为冷湿极端天气客观预报提供了新的预报工具和预报建模方法。

论文目录

  • 1 引言
  • 2 预报量和预报因子的计算分析
  •   2.1 预报对象(冷湿指数)
  •   2.2 低温冷湿预报建模的预报因子计算
  • 3 冷湿指数的定性判别预报方法
  •   3.1 随机森林分类算法
  •   3.2 冷湿极端天气的定性判别预报试验
  • 4 粒子群—模糊神经网络集成的广西强冷湿指数的定量预报方法
  •   4.1 粒子群—模糊神经网络集成预报模型原理
  •     4.1.1 基本模型
  •     4.1.2 粒子群—模糊神经网络集成算法
  •   4.2 广西强冷湿指数的极端天气定量预报试验
  • 5 定量预报的对比分析研究
  •   5.1 与逐步回归方法的对比分析
  •   5.2 与普通模糊神经网络进行预报试验的对比分析
  •   5.3 预报技巧水平
  • 6 小结
  • 文章来源

    类型: 期刊论文

    作者: 黄颖,金龙,陆虹,黄翠银,周秀华

    关键词: 广西冷湿极端天气,定性,定量组合预报,随机森林

    来源: 大气科学 2019年06期

    年度: 2019

    分类: 基础科学

    专业: 气象学

    单位: 广西壮族自治区气象科学研究所,广西壮族自治区气候中心

    基金: 国家自然科学基金项目41565005,41575051,广西自然科学基金项目2018GXNSFAA281229,2017GXNSFDA198030~~

    分类号: P456

    页码: 1424-1440

    总页数: 17

    文件大小: 1818K

    下载量: 102

    相关论文文献

    • [1].北京市环保局高性能运算计算集群系统模式集成预报技术开发[J]. 中国科技信息 2020(01)
    • [2].北京市环保局高性能运算计算集群系统模式集成预报技术开发[J]. 中国科技信息 2020(21)
    • [3].北京市环保局高性能运算计算集群系统模式集成预报技术开发[J]. 中国科技信息 2017(02)
    • [4].天津市多模式气温集成预报方法[J]. 应用气象学报 2014(03)
    • [5].海面风精细化集成预报系统在青岛奥帆赛期间的应用[J]. 气象 2008(S1)
    • [6].台风路径多模式集成预报技术研究[J]. 气象科学 2019(06)
    • [7].北京市环保局高性能运算计算集群系统模式集成预报技术开发[J]. 中国科技信息 2020(09)
    • [8].北京市环保局高性能运算计算集群系统模式集成预报技术开发[J]. 中国科技信息 2020(15)
    • [9].北京市环保局高性能运算计算集群系统模式集成预报技术开发[J]. 中国科技信息 2019(10)
    • [10].北京市环保局高性能运算计算集群系统模式集成预报技术开发[J]. 中国科技信息 2019(11)
    • [11].北京市环保局高性能运算计算集群系统模式集成预报技术开发[J]. 中国科技信息 2019(17)
    • [12].北京市环保局高性能运算计算集群系统模式集成预报技术开发[J]. 中国科技信息 2018(17)
    • [13].北京市环保局高性能运算计算集群系统模式集成预报技术开发[J]. 中国科技信息 2014(24)
    • [14].基于深度学习的中国地面气温的多模式集成预报研究[J]. 大气科学学报 2020(03)
    • [15].北京市环保局高性能运算计算集群系统模式集成预报技术开发[J]. 中国科技信息 2017(24)
    • [16].2008年初中国南方冰冻雨雪天气的多模式集成预报[J]. 热带气象学报 2013(03)
    • [17].一种动态权重的台风集成预报方法[J]. 海岸工程 2018(03)
    • [18].泰州市气温多模式集成预报系统的建立与评估[J]. 气象科技 2016(04)
    • [19].基于集合成员订正的强降水多模式集成预报[J]. 应用气象学报 2020(03)
    • [20].基于多模式的巢湖降水集成预报检验及应用[J]. 气象科技进展 2017(06)
    • [21].多模式温度集成预报的检验分析[J]. 中低纬山地气象 2018(05)
    • [22].多模式空气质量集成预报模型的研究[J]. 浙江理工大学学报(自然科学版) 2017(03)
    • [23].全国网格化多模式集成空气质量预报的初步建立[J]. 气象 2020(03)
    • [24].改进的超级集成预报方法在长江三角洲地区O_3预报中的应用[J]. 大气科学 2018(06)
    • [25].日极端气温的多模式集成预报应用及检验[J]. 广东气象 2015(02)
    • [26].基于SCE-UA算法的多模式降雨集成预报技术研究[J]. 宁波大学学报(理工版) 2018(06)
    • [27].基于TIGGE资料的西太平洋热带气旋多模式集成预报方法比较[J]. 气象 2015(09)
    • [28].一种由单值预报生成定量降水概率预报的方法及初步应用[J]. 气象 2013(03)
    • [29].基于集合预报和支持向量机的中期强降雨集成预报试验[J]. 气象 2017(09)
    • [30].几种降水集成预报方法的对比分析[J]. 气象科技 2008(05)

    标签:;  ;  ;  ;  

    基于智能计算的广西冷湿极端天气定性和定量组合预报方法研究
    下载Doc文档

    猜你喜欢