基于聚类天气分型的KNN方法在风预报中的应用

摘要：

以模式识别和相似预报思想为基础,建立基于自组织神经网络(SOM)的聚类天气分型和交叉验证的K最近邻域非参数估计仿真模型(KNN).该模型首先以自组织神经网络技术对西北地区的高空流场和高度场进行聚类分型,针对不同天气形势下的历史样本,通过交叉检验,分别寻求各类天气型下的最佳K组合.为了验证聚类天气分型对KNN方法的影响,使用2003-2006年冬半年T213数值预报产品和宁夏日最大风速资料,同时建立了宁夏冬半年日最大风速≥6 m/s天气分型和未分型的KNN预报模型,并对2007年1-5月进行了预报试验,预报评估结果表明:天气分型后的预报模型总体上降低了预报空报率,提高了预报准确率,特别是某些类天气型,提高幅度更大,为分类相似预报开拓了思路.

关键词：自组织神经网络、聚类天气分型、交叉验证、K最邻近域、日最大风速预报

所属期刊栏目：19

分类号：P45;X51

资助基金：中国气象局轨道建设项目"精细化气象要素预报业务系统一期"资助

在线出版日期：2008-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：564-572