卫星云图的神经网络短时预报方法研究

摘要

针对目前缺乏预报时效较长的卫星云图预测技术理论方法，论文以2005-2006年汛期(6-8月)广西南宁区域强降水过程的FY-2C红外卫星云图灰度值资料(范围：20.3～26.5°N，103.5～112.5°E)和6h间隔的中国气象局T213数值预报产品资料为基础，采用人工神经网络(ANN)和经验正交函数(EOF)展开等方法，进行了预报时效达6h的卫星云图短时预报技术方法研究。 首先将特定区域的云图二维灰度值矩阵作为研究对象，采用经验正交函数分解(EOF)方法，对云图灰度值样本序列作场展开，得到代表云图空间分布的特征向量以及代表其随时间变化特征的时间系数，以EOF分解得到的时间系数序列作为建模的预报量，并取累计方差贡献达到79.25％的前8个特征向量对应的时间系数作为预报分量。 鉴于云的演变过程与环境气象要素场之间存在天气动力关系，根据中国气象局T213数值预报模式24小时预报时效间隔6小时的高度场、水平风场、垂直速度场、温度场、相对湿度、水汽通量、K指数和海平面气压场等物理量预报场资料作为预报因子。再通过逐步回归方法筛选出作为模型输入的预报因子，分别建立各预报分量的BP神经网络预测模型。将预报得到的时间系数与原空间特征向量通过EOF分解模的时、空合成，得到二维云图灰度值矩阵预测值，实现对未来6h卫星云图的预测。 预报方法的独立样本试验证明，预测结果与实际云图的主要特征基本吻合，实况云图与预测云图的平均相关系数达到0.63。预测云图可较好地描述云团移动和生消的变化趋势，尤其对区域内均匀分布的云图得到了较为理想的预测效果，特别是能较为准确地反映云团密集带的主要分布特征。从对云系的发展变化形态的预测上来看，能较好地反映出云态非均匀、非线性变化的特点，表明了该方法具有较好的合理性和可行性。 论文作为一种具有较长时效的气象卫星云图预报方法研究，比较有效地利用了数值预报产品资料的物理量因子，使云图在未来变化的总体趋势上有了较好的预测效果，这为进一步开展利用云图预测进行短时临近天气预报应用提供了重要基础。

目录

文摘

英文文摘

声明

第一章 绪论

1.1引言

1.2目前的研究进展

1.2.1云图预测的研究进展

1.2.2人工神经网络在卫星云图研究中的发展及应用

1.3研究内容及工作思路

1.4研究的特色和创新之处

第二章 人工神经网络的原理和方法

2.1人工神经网络(ANN)概述

2.2人工神经网络研究的目的

2.3人工神经网络研究的发展历史

2.4人工神经网络解决问题的优越性和局限性

2.5 BP神经网络

2.5.1 BP算法的数学原理

2.5.2 BP算法实现的步骤

2.5.3 BP网络存在的问题

2.5.4运用BP网络建模需注意的问题

2.6云图预测的神经网络方法

第三章 卫星云图短时预报试验的资料和方法

3.1资料

3.2 EOF展开

3.3回归分析

第四章 卫星云图短时预报模型的输入研究

4.1预报量的降维处理

4.2预报因子的选取

4.2.1预报因子的物理解释

4.2.2预报因子相关普查

4.2.3预报因子进一步处理

第五章 卫星云图短时预报建模试验及其结果分析

5.1构建预报模型

5.2卫星云图神经网络预报模型的建立

5.3卫星云图神经网络预报模型的预测效果检验分析

5.4与逐步回归预报方法的对比分析

第六章 结论与讨论

参考文献

致谢