模糊神经网络在气象短期预报中的应用研究

摘要

近年来，随着气象业务现代化建设的快速发展，数值天气预报业务系统的不断升级，现代通讯水平的不断提高和完善，气象工作者可以获得越来越多的时间和空间分辨率不断升高的气象观测数据，信息量十分庞大。相应地，随着社会的发展，人类对天气预报也提出了更高的要求。然而，一般来说，当前预报员作的常规气象预报是在数值预报的基础上，综合各种气象观测资料，根据经验，主观确定短期的天气预报。数值预报的要素预报也有很大的系统误差，因此，在细致的要素预报方面存在比较大的缺陷。 本文研究短期降水分级预报，在分析了传统的BP神经网络(BPNN)的原理、算法及不足的基础上，研究了BP神经网络在大气科学领域的应用情况，针对当前气象短期预报中，气象要素预报存在比较大的误差，提出了采用基于模糊神经网络(Fuzzy Neural Network，FNN)的短期降水分级预报的模型；进一步讨论了模糊神经网络的结构、学习算法及步骤；在此基础上，选择了华南汛期的夏季短期降水分级预报进行研究，选用了广州及其周围韶关、惠州、阳江、云浮4个气象站的地面常规观测资料，经过预处理生成预报因子，以其作为网络模型的输入，训练和测试网络模型，并将测试结果和人工预报方法、数值预报方法的预报效果进行比较，在有雨预报，特别是大到暴雨的预报上，模糊神经网络模型的预报准确率高于数值模式的预报结果，并且在预报时间上，模型预报远远低于数值预报；模型预报的准确率低于人工预报，但是在时间上较快，不依赖于预报员的专业知识和经验，因此基于模糊神经网络的短期降水分级预报模型具有很大的实际意义。本文还提出了今后有待进一步研究和完善的问题。

目录

文摘

英文文摘

第1章绪论

1.1研究的背景和意义

1.2天气预报业务现状和需求

1.3国内外神经网络在气象预报中的研究情况

1.4数值预报简介

1.5本文完成的工作

1.6本章小结

第2章神经网络和模糊神经网络

2.1神经网络基本概念

2.2 BP神经网络(BPNN)

2.3模糊神经网络

2.4本章小结

第3章基于模糊神经网络的短期气象预报模型的设计

3.1降水分级与评分方法

3.2所使用的资料及其预处理

3.3模糊神经网络模型

3.4网络的训练和测试

3.5本章小结

第4章模糊神经网络模型的预报效果分析

4.1网络模型与其它短期预报方法的预报准确性的比较

4.2网络模型与人工预报的对比分析

4.3网络模型与数值预报的对比分析

4.4本章小结

第5章结束语

5.1总结

5.2存在问题及进一步研究方向

参考文献

致谢

原创性声明