基于循环神经网络的单站能见度短临预报试验

论文摘要

由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15. 75%、31. 66%、41. 26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12. 90%、24. 45%、38. 99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。

论文目录

• 引言
• 1 数据与方法
•   1.1 数据集
•   1.2 循环神经网络简介
•   1.3 模型建立
•   1.4 评价方法
• 2 结果分析
•   2.1 模型预报效果随机检验
•   2.2 一次低能见度事件的预报试验
•   2.3 能见度≤1 000 m条件下预报能力评测
•   2.4 模型输入因子对预报结果的影响
• 3 结论
• 4 讨论

文章来源

类型: 期刊论文

作者: 李昕蓓,张苏平,衣立,韩美,潘宁

关键词: 能见度,神经网络,短临预报

来源: 海洋气象学报 2019年02期

年度: 2019

分类: 基础科学

专业: 气象学,海洋学

单位: 中国海洋大学海洋与大气学院,福建省气象台

基金: 国家自然科学基金项目(41576108,41605006),山东省优秀中青年科学家奖励基金项目(ZR2016DB26),福建省气象灾害监测预警系统项目

分类号: P732.4

DOI: 10.19513/j.cnki.issn2096-3599.2019.02.008

页码: 76-83

总页数: 8

文件大小: 539K

下载量: 176