基于小波神经网络的高时间分辨率水汽预报方法

摘要

本文利用PLAOD高精度数据处理软件获取近实时的对流层结果,进行转换得到不同时间分辨率的水汽数据,作为分析的试验数据,将小波基函数作为神经网络中神经元的激励函数,提出了一种基于小波神经网络的水汽预报方法.它结合了小波分析理论多尺度分析性能和神经网络自学习、自适应的优点.试验数据分析表明,小波神经网络在水汽预报中具有收敛速度快和逼近能力强的特点.通过不同时段和不同采样间隔的训练样本数据分析表明:相同的预报长度和时间段下,采样间隔越小预报精度越高,在同一时间段,合理选取训练样本数量的条件下,时间分辨率越高,则预报精度越好,30s采样间隔的预报精度可达到0.1mm.在同一时段和采样间隔相同情况下,训练样本数越多,预报精度越高.