10.3969/j.issn.1001-7313.2010.01.007
一种改进的BP算法及在降水预报中的应用
传统BP(back propagation)算法在实际应用中具有网络结构参数和学习训练参数难以确定、泛化能力差、训练学习易陷入局部极小点等问题.该文在传统BP算法的基础上,提出一种改进算法,在训练过程中能自动确定各种参数,并避免陷入局部极小点,提高网络的泛化能力.利用2003-2005年5-9月中国国家气象中心T213的数值预报产品,通过动力诊断得出反映降水的物理量,然后从中挑选出与降水关系较好的25个因子,连同中国国家气象中心T213模式、日本气象厅业务模式和德国气象局业务模式相应的降水量预报结果作为预报因子.采用改进的BP算法建立江淮流域68个站24 h降水(08:00-08:00,北京时)3个等级(降水量≥0.1 mm,降水量≥10 mm,降水量≥25 mm)的预报模型.通过对2006-2007年5-9月68个站试报结果表明:改进BP算法对降水预报的TS评分大大高于传统BP算法,也高于几种模式的降水预报结果,同时,改进算法使降水预报的平均空报率、漏报率明显降低.
人工神经网络、BP算法、改进算法、建模、降水预报
21
P64;P45
中国气象局多轨道业务建设项目"精细化气象要素预报业务系统"和国家科技支撑计划项目2007BAC29803
2010-06-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
55-62