基于BP神经网络的台风降雨预报研究——以香港地区为例

摘要

由于香港独特的地理位置及地形地貌丰富多样，每年的台风季，受台风的影响，都会造成严重的自然灾害，影响香港居民的生活及生命财产安全。而在我国沿海地区，台风活动造成的自然灾害主要是台风降雨形成的，因此对台风降雨的预测研究就成为解决台风灾害的重要任务。
　　文章对香港地区台风降雨的预测研究是从台风降雨空间分布和台风降雨动态变化两方面着手。
　　第一，根据香港天文台提供的在1997-2012年6月期间，影响香港地区的22场台风资料及48个台站的台风降雨资料分析、整理出每场台风对应的完整台风降雨数据集，同时以这些台风及降雨量为基础，对香港地区的台风及降雨特征进行具体分析。
　　第二，选择较传统气象预报而言，预报准确率较高的BP神经网络方法预测台风带来的降雨。在对BP神经网络方法的理论及步骤进行分析之后，选取BP神经网络的网络拓扑结构及相关参数，并利用GWBASIC软件编写神经网络预测程序，输入训练样本对该程序进行训练学习。
　　第三，将22场台风按照移动路径不同分为向北、向西北偏北、向西北、向西北偏西、向西及向西南方向6种类型。并从48个提供台风降雨量的台站中选取筲箕湾、粮船湾、沙田、元朗、东涌、石岗、葵涌、香港天文台、大美督和踏石角10个台站进行试验。在对台风降雨空间分布进行预测时，从这6种路径台风中分别选取1场台风（199903、200307、200409、200706、200806、200906号台风），以香港天文台、大美督和踏石角站的降雨数据为检验样本，其他的7个台站数据作为训练样本;在对台风降雨动态变化进行预测时，从10个台站中选取香港天文台、大美督、踏石角3个台站进行研究，并从6种路径台风中选择第Ⅳ种路径台风，以199915、200104、200107、200218、200809、200814和200906号台风的台风降雨数据作为训练样本，200915和201206号台风的台风降雨数据作为检验样本。
　　第四，将训练样本输入到编写好的程序中进行训练，建立香港地区台风降雨BP神经网络预测模型，经过多次训练学习，不断调整网络参数，以期得到较准确的预测值。训练结束后，对检验样本进行预测，汇总预测结果，并分析在使用台风历史数据的前提下，台风降雨BP神经网络预测模型对台风暴雨预测的准确率。
　　最后，通过对台风降雨BP神经网络预测模型的预测结果统计分析表明，针对香港地区某一场台风降雨预测而言，台风降雨空间分布预测准确率均达到70％以上，台风降雨动态变化预测率均达到80％以上，预测效果较为乐观;当针对某一个台站进行台风降雨预测时，台风降雨空间分布预测最大相对误差在香港天文台（200307号台风）达到了75.1％，台风降雨动态变化预测最大相对误差在香港天文台（201206号台风）达到了71.3％，预测结果误差较大。因此，利用BP神经网络方法建立的台风降雨预测模型，在单个台风的台风降雨预测方面较为实用，而在单个台站的台风降雨预测方面还有待进一步研究。

目录

摘要

1 绪论

1．1 研究背景及意义

1．2 国内外研究进展

1．2．1 台风降水的研究进展

1．2．2 人工神经网络在大气科学预报方面的研究进展

1．3 研究内容

2 研究区概况

2．1 地理位置

2．2 自然概况

2．1．1 地形地貌

2．1．2 气候

2．1．3 土壤

2．1．4 水文

2．1．5 生态

2．3 经济概况

2．3．1 金融

2．3．2 自由贸易

2．3．3 工商业

2．3．4 旅游

2．4 香港人口

3 香港台风及降雨特征

3．1 香港台风特征

3．1．1 台风资料统计

3．1．2 台风特征

3．1．3 雨量站及台风降雨特征

4 BP神经网络预测模型

4．1 BP神经网络的原理

4．2 BP神经网络模型的设计

4．2．1 输入、输出资料的选择

4．2．2 网络拓扑结构的确定

4．2．3 BP网络的计算流程图

5 香港台风降雨预测BP神经网络模型应用

5．1 香港台风降雨预测样本选取

5．1．1 台风降雨空间分布预测样本选取

5．1．2 台风降雨动态变化预测样本选取

5．2 台风降雨预测BP神经网络应用

5．2．1 台风降雨空间分布预测

5．2．2 台风降雨动态变化预测

5．3 预测结果统计分析

5．3．1 预测结果统计

5．3．2 预测结果分析

6 结论与建议

参考文献

攻读学位期间主要的研究成果

致谢

声明