人工智能技术的热带气旋预报综述（之二）——流形学习、智能计算及深度学习的热带气旋预报方法

发布时间：2021-02-22 19:36

　　继"人工智能技术的热带气旋预报综述（之一）"有关BP神经网络和集成方法的热带气旋预报研究和业务应用进行详细综述后,本文将进一步综述流形学习方法在热带气旋预报因子数据挖掘中的应用,以及各种智能计算模型,包括粒子群算法、模糊算法、概率算法,及深度学习方法在热带气旋预报中的应用研究成果,并对今后气象领域的人工智能发展进行初步设想探讨,以期能为有效提高人工智能方法的气象灾害预报能力提供有益参考。 

【文章来源】：气象研究与应用. 2020,41(04)

【文章页数】：8 页

【文章目录】：
引言
1 基于流形学习数据挖掘的TC路径、强度预报方法
2 基于粒子群算法、模糊算法、概率算法、Bagging算法、多模协同算法的TC预报方法
3 基于条件数的TC预报方法
4 基于支持向量机的TC预报方法研究
5 基于深度学习的TC预报方法
6 小结


【参考文献】：
期刊论文
[1]人工智能的关键技术及相关应用[J]. 李程怡.  科技创新与应用. 2020(12)
[2]基于神经网络集合预报的台风路径预报优化[J]. 周笑天,张丰,杜震洪,刘仁义.  浙江大学学报(理学版). 2020(02)
[3]局部流形学习在SAR目标分类中的应用[J]. 李鑫,续婷,胡红萍,杜敦伟,白艳萍.  现代雷达. 2020(04)
[4]一种面向图像分类的流形学习降维算法[J]. 刘开南,冯新扬,邵超.  计算机应用与软件. 2019(08)
[5]基于流形学习的光学遥感图像分类[J]. 王云艳,罗冷坤,王重阳.  计算机工程与科学. 2019(07)
[6]人工智能在气象领域的应用述评[J]. 朱玲,吴心玥.  广东气象. 2019(01)
[7]深度学习原理及应用综述[J]. 付文博,孙涛,梁藉,闫宝伟,范福新.  计算机科学. 2018(S1)
[8]预报因子选择的条件数方法及其在台风强度预报中的应用[J]. 农吉夫.  数学的实践与认识. 2014(23)
[9]基于局部线性嵌入的人工智能台风强度集合预报模型[J]. 黄颖,金龙,黄小燕,史旭明,金健.  气象. 2014(07)
[10]南海热带气旋强度预报的线性模型与非线性模型研究[J]. 林开平,刘春霞,黄颖,陈冰廉,董彦.  热带气象学报. 2013(06)

硕士论文
[1]基于混合模式集合预报的台风路径预报优化方法研究[D]. 周笑天.浙江大学 2019
[2]基于PSO-BP神经网络的南海热带气旋预报研究[D]. 朱东青.南京师范大学 2012



本文编号：3046459