低温雨雪过程的粒子群-神经网络预报模型

摘要：

利用逐日气温和降水量数据、NCEP／NCAR 再分析资料以及预报场资料，通过分析提取我国南方区域持续性低温雨雪过程及其预报因子，使用粒子群-神经网络方法建立非线性的统计集合预报模型（PSONN-EPM），对我国南方区域持续性低温雨雪过程进行预报试验。结果表明：以过程的冷湿程度及影响范围为标准，将低温雨雪过程分为一般过程和严重过程，并建立不同的预报模型效果较好。通过10 d 独立样本预报试验看，基于粒子群-神经网络方法建立的集合预报模型比基于逐步回归方法建立的预报模型的预报平均相对误差小，对严重过程预报能力高于对一般过程预报，且这种非线性统计集合建模方法在建模过程中不需要调整神经网络参数，在实际预报业务中值得尝试。

关键词：粒子群算法、神经网络、持续性、低温雨雪、集合预报

分类号：TP2;TP1

资助基金：国家重点基础研究发展计划2012CB417205;广西自然科学基金北部湾重大专项项目2011GXNSFE018006

在线出版日期：2015-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：513-524