当前位置:主页 > 理工论文 > 气象学论文 >

遗传算法优化的BP神经网络在多模式集成预报的应用研究

发布时间:2020-05-20 10:08
【摘要】:基于TIGGE资料集中的ECMWF、CMA和JMA的数值预报产品,利用加权集成和回归集成的线性集成方式与遗传算法优化的BP神经网络(GABP)集成,对覆盖我国大部的研究区域开展海平面气压、500hPa位势高度和地面2m温度在24h、48h和72h预报时效下的多模式集成预报试验,并以一次天气过程进行分析。通过对2013年1~6月的预报检验,得到以下结论:(1)单一模式预报中总体上ECMWF模式预报效果最好,CMA模式预报效果最差,以均方误差和气候距平相关系数两种指标分析出GABP集成能够明显改进单一模式的预报效果,比较数值变化发现预报效果随着预报时效增加呈降低趋势。(2)使用三个预报量的ECMWF、CMA和JMA模式预报结果进行多模式集成,集成预报方式能够改进单一模式预报效果;在改进单一模式预报效果方面GABP集成比线性集成方式更有优势,线性集成方式中回归集成比加权集成预报误差更小。(3)三个预报量GABP集成预报误差分布显示在24h至72h预报时效下均在我国南方地区预报误差较小,而且各预报量都有特定的预报误差极大值区;比较各预报量预报误差极大值随预报时效的变化,看出预报误差随预报时效增加而不断增大。用ECMWF模式与GABP集成预报误差的差值研究GABP集成改进单一模式预报的特征,三个预报量预报误差差值较大的区域主要在我国西部以及北方,尤其在模式预报不确定性较大的西部地区GABP集成改进预报效果更加显著。(4)BP神经网络进行多模式集成减小了单一模式预报误差,无遗传算法参与优化的BP神经网络集成同线性集成方式相比在改进效果上没有明显优势,有遗传算法参与优化时的GABP集成预报误差比BP算法单独优化的BP神经网络集成预报误差有一定的减小,遗传算法的优化起到了提升神经网络集成预报效果的作用。(5)在个例分析中发现,GABP集成对较短时间的天气过程具有较好的预报能力,三个预报量集成预报误差相比单一模式预报均有减小,GABP集成改进天气过程预报优于线性集成方式。GABP集成对天气过程的预报结果是可信的,预报变量的变化过程与实际天气过程基本相符。
【图文】:

资料,集成预报,建模步骤,模式预报


在有数据资料和相关研宄方法之后,进行GABP集成预报,需要建立模型来开展。逡逑首先利用BP神经网络建立三种模式的集成预报模型,模式预报资料作为输入端,观测逡逑资料作为输出端,建立BP神经网络模型如图1所示。在建立模型时,2011年1月1日逡逑?2012年12月31日的数据作为训练样本,2013年1月1日 ̄6月30日的数据作为测试逡逑样本。具体的建模步骤如下:逡逑丨逦集嫌出逡逑/逡逑逦邋/逡逑JMA逡逑^…I逡逑输入层逦隐层逦丨?R%出层1逡逑图1邋BP神经网络结构示意逡逑①

集成预报,区域平均,均方误差,预报时效


图3各模式与GABP集成预报区域平均均方误差。(a)海平面气压;(b)邋500hPa位势高度;(c)逡逑地面2m温度逡逑海平面气压的预报误差情况如图3邋(a)所示,24h至72h预报时效下三种模式的预逡逑报误差在邋2.58hPa?3.84hPa、2.74hPa?4.07hPa、2.97hPa?4.38hPa邋的区间,在同一预报时逡逑效下CMA模式预报误差比另两种模式大l.OhPa左右,,而24h至72h预报时效下GABP逡逑集成预报误差在1.56hPa ̄2.08hPa区间,GABP集成的预报误差在每个预报时效相比单逡逑一模式都减小l.OhPa以上。图3邋(b)显示的是500hPa位势高度的预报误差,三种模式逡逑14逡逑
【学位授予单位】:南京信息工程大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP183;P456.7

【参考文献】

相关期刊论文 前10条

1 马林茂;李德富;郭海湘;李伟伟;;基于遗传算法优化BP神经网络在原油产量预测中的应用:以大庆油田BED试验区为例[J];数学的实践与认识;2015年24期

2 狄靖月;赵琳娜;张国平;许凤雯;王志;;降水集合预报集成方法研究[J];气象;2013年06期

3 智协飞;季晓东;张t

本文编号:2672457


资料下载
论文发表

本文链接:https://www.wllwen.com/projectlw/qxxlw/2672457.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b3f6f***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com