气象研究与应用
氣象研究與應用
기상연구여응용
JOURNAL OF METEOROLOGICAL RESEARCH AND APPLICATION
2014年
1期
40-45
,共6页
遗传-神经网络%逐步回归%南海热带气旋%大风预报
遺傳-神經網絡%逐步迴歸%南海熱帶氣鏇%大風預報
유전-신경망락%축보회귀%남해열대기선%대풍예보
利用1980-2012年的南海热带气旋实况资料和NCEP/NCAR再分析资料,将热带气旋定位中心周边6×6格点上的地面风速作为预报对象,以气候持续预报因子和前期风速预报因子作为模型输入,采用遗传—神经网络集合预报方法,进行热带气旋定位中心周边36个格点上的风速预报模型的预报建模研究.分别对2008-2012年7-9月共368个独立预报样本进行遗传-神经网络集合方法的分月预报结果表明,南海热带气旋中心周边风速24h的预报平均绝对误差为2.35m.s-1.另外,本文还进一步将该预报方法与国内外普遍采用的逐步回归预报模型进行对比分析,在相同的预报量和预报因子的条件下的对比分析表明,新预报模型对≥10m.s-1的强风预报结果较逐步回归方法的优势明显,预报性能较好,可为沿海热带气旋大风预报提供新的参考.
利用1980-2012年的南海熱帶氣鏇實況資料和NCEP/NCAR再分析資料,將熱帶氣鏇定位中心週邊6×6格點上的地麵風速作為預報對象,以氣候持續預報因子和前期風速預報因子作為模型輸入,採用遺傳—神經網絡集閤預報方法,進行熱帶氣鏇定位中心週邊36箇格點上的風速預報模型的預報建模研究.分彆對2008-2012年7-9月共368箇獨立預報樣本進行遺傳-神經網絡集閤方法的分月預報結果錶明,南海熱帶氣鏇中心週邊風速24h的預報平均絕對誤差為2.35m.s-1.另外,本文還進一步將該預報方法與國內外普遍採用的逐步迴歸預報模型進行對比分析,在相同的預報量和預報因子的條件下的對比分析錶明,新預報模型對≥10m.s-1的彊風預報結果較逐步迴歸方法的優勢明顯,預報性能較好,可為沿海熱帶氣鏇大風預報提供新的參攷.
이용1980-2012년적남해열대기선실황자료화NCEP/NCAR재분석자료,장열대기선정위중심주변6×6격점상적지면풍속작위예보대상,이기후지속예보인자화전기풍속예보인자작위모형수입,채용유전—신경망락집합예보방법,진행열대기선정위중심주변36개격점상적풍속예보모형적예보건모연구.분별대2008-2012년7-9월공368개독립예보양본진행유전-신경망락집합방법적분월예보결과표명,남해열대기선중심주변풍속24h적예보평균절대오차위2.35m.s-1.령외,본문환진일보장해예보방법여국내외보편채용적축보회귀예보모형진행대비분석,재상동적예보량화예보인자적조건하적대비분석표명,신예보모형대≥10m.s-1적강풍예보결과교축보회귀방법적우세명현,예보성능교호,가위연해열대기선대풍예보제공신적삼고.