科学通报
科學通報
과학통보
CHINESE SCIENCE BULLETIN
2007年
15期
1728-1731
,共4页
实时预报%地球自转速率%大气角动量%神经网络
實時預報%地毬自轉速率%大氣角動量%神經網絡
실시예보%지구자전속솔%대기각동량%신경망락
地球自转速率变化的实时快速预报具有重要的科学意义和实际应用价值. 然而由于地球自转速率复杂变化(或日长变化)的时变特性, 传统的线性时间序列分析方法往往难以取得良好的预报效果. 采用非线性的人工神经网络技术预报日长变化, 网络的拓扑结构由最小均方误差法确定. 考虑到日长变化与大气环流运动间的密切联系, 在神经网络预报模型中首次引入轴向大气角动量的实时预报值, 进行日长变化1～5 d的实时快速预报. 结果表明, 联合日长变化序列和大气角动量预报序列的神经网络模型, 比起单独采用日长变化资料的模型, 预报精度得到显著的提高.
地毬自轉速率變化的實時快速預報具有重要的科學意義和實際應用價值. 然而由于地毬自轉速率複雜變化(或日長變化)的時變特性, 傳統的線性時間序列分析方法往往難以取得良好的預報效果. 採用非線性的人工神經網絡技術預報日長變化, 網絡的拓撲結構由最小均方誤差法確定. 攷慮到日長變化與大氣環流運動間的密切聯繫, 在神經網絡預報模型中首次引入軸嚮大氣角動量的實時預報值, 進行日長變化1～5 d的實時快速預報. 結果錶明, 聯閤日長變化序列和大氣角動量預報序列的神經網絡模型, 比起單獨採用日長變化資料的模型, 預報精度得到顯著的提高.
지구자전속솔변화적실시쾌속예보구유중요적과학의의화실제응용개치. 연이유우지구자전속솔복잡변화(혹일장변화)적시변특성, 전통적선성시간서렬분석방법왕왕난이취득량호적예보효과. 채용비선성적인공신경망락기술예보일장변화, 망락적탁복결구유최소균방오차법학정. 고필도일장변화여대기배류운동간적밀절련계, 재신경망락예보모형중수차인입축향대기각동량적실시예보치, 진행일장변화1～5 d적실시쾌속예보. 결과표명, 연합일장변화서렬화대기각동량예보서렬적신경망락모형, 비기단독채용일장변화자료적모형, 예보정도득도현저적제고.
