摘要:在总结常规气象预报方法的基础上,提出了神经元聚类算法,首先对样本空间进行归一化预处理,从而增强隶属同一神经元的训练样本的相关度;然后有监督地聚类生成神经元集,非线性地分割样本空间,不断地对神经元集进行调整,以最优覆盖所有样本空间;再者,在预测时融入引力法则,克服单纯用欧式距离预测类别的不足,提高了预测的准确率.本算法可以得到样本空间的最优划分,对相关度的定义具有明确的几何意义,提高了算法的可理解性,具有较高的智能性,经过噪音数据处理后,泛化能力也得到增强.以江西北部地区的寒冬天气进行实例分析,结果表明,该预警模型具有独特的智能性和较高的准确性.