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
17-20,49
,共5页
能见度预报%神经网络%广州
能見度預報%神經網絡%廣州
능견도예보%신경망락%엄주
在研究了广州市能见度变化特征及低能见度发生的主要影响因素的基础上,利用广州市环境监测站2007-2009年的空气污染物(PM10、SO2、NO2)监测数据及同期地面气象要素(10min平均风速、最大风速、气温、相对湿度、露点温度、气压、24h降水量)观测资料筛选出主要的预报因子,用径向神经网络建立预报模型,并对2009年9月1日到12月25日的能见度进行预报试验.结果表明径向神经网络预报模型在能见度低于10km时预报准确率明显高于统计回归预报方程.采用分级方法统计得出在未出现低能见度情况下,中低能见度,中高能见度预报准确率分别为80％,69.6％,均高于线性回归预报方程(40％,47.8％).
在研究瞭廣州市能見度變化特徵及低能見度髮生的主要影響因素的基礎上,利用廣州市環境鑑測站2007-2009年的空氣汙染物(PM10、SO2、NO2)鑑測數據及同期地麵氣象要素(10min平均風速、最大風速、氣溫、相對濕度、露點溫度、氣壓、24h降水量)觀測資料篩選齣主要的預報因子,用徑嚮神經網絡建立預報模型,併對2009年9月1日到12月25日的能見度進行預報試驗.結果錶明徑嚮神經網絡預報模型在能見度低于10km時預報準確率明顯高于統計迴歸預報方程.採用分級方法統計得齣在未齣現低能見度情況下,中低能見度,中高能見度預報準確率分彆為80％,69.6％,均高于線性迴歸預報方程(40％,47.8％).
재연구료엄주시능견도변화특정급저능견도발생적주요영향인소적기출상,이용엄주시배경감측참2007-2009년적공기오염물(PM10、SO2、NO2)감측수거급동기지면기상요소(10min평균풍속、최대풍속、기온、상대습도、로점온도、기압、24h강수량)관측자료사선출주요적예보인자,용경향신경망락건립예보모형,병대2009년9월1일도12월25일적능견도진행예보시험.결과표명경향신경망락예보모형재능견도저우10km시예보준학솔명현고우통계회귀예보방정.채용분급방법통계득출재미출현저능견도정황하,중저능견도,중고능견도예보준학솔분별위80％,69.6％,균고우선성회귀예보방정(40％,47.8％).
