遗传神经网络释用气候模式预测产品的试验研究
从业务需求出发,提出了面向气候模式产品释用的神经网络.选用主分量作为网络的输入和输出,大大减少了其节点数,重点突出了大尺度影响变化关系,提高了实际预测的稳定性;用全局寻优的遗传算法取代经典BP算法,为高质量的网络学习训练提供了保证;针对实际设计代价函数,保证了网络学习训练能适应气候模式产品释用的基本要求,学习目的更明确,针对性更强.分别以夏季(6~8月)NCEP/NCAR 500 hPa高度场、国家气候中心海气耦合模式500 hPa高度预测场主分量为外界输入信号,同期中国降水场、华中区域降水场主分量为网络输出信号,进行了拟合预测和独立预测试验.结果表明:用模式500 hPa高度预测场主分量为外界输入信号,网络输出(降水场主分量)反演的中国、华中地区降水场预测距平与实况同号率,有可能接近用NCEP/NCAR 500 hPa高度场主分量为外界输入信号相当的技巧水平.
模式产品释用、神经网络、遗传算法、可预测性
13
P456(天气预报)
中国气象局气候研究开放实验室开放课题和武汉区域气象中心科技发展基金
2009-03-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
681-687