BP人工神经网络模型在湛江市逐日低温预报中的应用

摘要

人工神经网络模型技术综合了数理统计、神经计算和符号逻辑等人工智能理论技术,是一种非线性的动力学系统,它以抽象的人脑构造基本单位组成,模拟人脑的思维过程,并且不需建立复杂的数学模型且具有强大的非线性映射能力和自适应学习能力等优点,目前该模型已被广泛应用于水文模型研究领域.利用三层反向传播人工神经网络(BP-ANN:Back Propagation—Artificial Neural Network)模型对湛江市低温(Tmin)进行预报,为在全球气候变化的大背景下极端低温事件研究提供相关科学依据.主要结论如下:(1)2009年以来,该市的气温呈现逐年上升的趋势,近50年来的Tmin的变化率为0.014℃/a;(2)M-K检验表明湛江市的Tmin在20世纪80年代后期发生了一次减少的突变;(3)采用BP人工神经网络模型中的反向传播算法—Traincgf,建立湛江市的低温预报模型,与此同时,利用相关统计参数对比分析了传统多元线性回归(MLR:Multiple Linear Regression)模型的估算效果,结果表明,BP-ANN模型的预测效果要远远优于MLR模型(R2P-BP=0.93＞R2P-MLR=0.81,MAEP-BP=0.1243℃＜MAEP-MLR=0.2057℃,MREP=0.58％＜MREP=0.97％,并且RMSEP-BP=0.0278＜RMSEP-MLR=0.0691);(4)湛江市1960-2009年Tmin的主要气象因子为降水P0、相对湿度RH,水汽压PW和风速WS.总的来说,BP-ANN模型能够较为精确地预测湛江市的最低气温,并为该市低温估算提供了一种较为可靠的方法.