本文選題：貝葉斯神經(jīng)網(wǎng)絡 + 混合密度網(wǎng)絡��； 參考：《華東師范大學》2017年碩士論文

【摘要】：臺風是一種最具破壞性和毀滅性的極端自然災害。中國位于西北太平洋西岸,是全球臺風最活躍的地區(qū),其中以南中國海海域及其沿岸地區(qū)為最。由于臺風災害的不可抗性,提前預測臺風的轉移路徑為潛在受災地區(qū)贏得充分的預警時間做好防災準備工作是保護人民生命財產(chǎn)安全最重要和最有效的途徑。隨著人工神經(jīng)網(wǎng)絡技術的興起和發(fā)展,基于神經(jīng)網(wǎng)絡技術的臺風路徑預報方法已經(jīng)成為臺風路徑統(tǒng)計學預報技術中一個重要的研究分支。相比于傳統(tǒng)的動力學數(shù)值預報技術和統(tǒng)計—動力學預報技術,基于人工神經(jīng)網(wǎng)絡的臺風路徑預報技術具有非線性擬合能力強,運算資源需求相對較低,對數(shù)據(jù)的適應性較強和魯棒性較好等特性。近年來基于多模型集成的臺風路徑集成預報技術得到了廣泛應用,本文的工作在于將人工神經(jīng)網(wǎng)絡及委員會機器集成理論應用于南中國海的臺風路徑預報模型的建立,嘗試獲得具備較好的穩(wěn)定性和泛化能力且能夠滿足南中國海24小時短期臺風路徑預報業(yè)務需求的集成預報模型。首先,本文提出了一個基于貝葉斯神經(jīng)網(wǎng)絡并且使用Bagging委員會機器集成的臺風路徑預報模型。貝葉斯神經(jīng)網(wǎng)絡可以在較好地學習臺風路徑歷史數(shù)據(jù)的同時控制網(wǎng)絡模型的復雜度,而基于Bagging委員會機器的集成預報技術避免了傳統(tǒng)集成預報技術中難以確定分量模型權重系數(shù)的困難�；谏鲜龉ぷ鞯某晒�,為了進一步增強預報模型對多模式臺風路徑的預報能力,本文接著提出了基于混合密度網(wǎng)絡并且分別使用Averaging,Bagging委員會機器集成的臺風路徑預報模型。同時在模型的訓練策略上采用了數(shù)據(jù)集"分塊策略"對模型進行遞進式的訓練和測試,強化預報模型對數(shù)據(jù)集的學習并且綜合觀察預報結果的穩(wěn)定性和泛化性能。在南中國海臺風路徑數(shù)據(jù)集上的多組實驗表明,本文提出的集成預報模型在預報結果穩(wěn)定性和泛化能力上有較好的表現(xiàn),能夠滿足南中國海24小時短期臺風路徑預報業(yè)務的需求。
[Abstract]:Typhoon is one of the most destructive and devastating extreme natural disasters. Located on the west coast of the Northwest Pacific Ocean, China is the most active area of typhoons in the world, with the South China Sea and its coastal areas being the most active. Due to the irresistibility of typhoon disaster, it is the most important and effective way to protect the safety of people's life and property to predict the transition path of typhoon in advance to win sufficient early warning time for the potential disaster area to prepare for disaster prevention. With the rise and development of artificial neural network (Ann) technology, the forecasting method of typhoon track based on neural network technology has become an important research branch of typhoon track statistical prediction technology. Compared with the traditional dynamic numerical prediction technology and the statistical and dynamic prediction technology, the forecast technique of typhoon track based on artificial neural network has strong nonlinear fitting ability, and the demand for computing resources is relatively low. Better adaptability and robustness to the data. In recent years, the integrated forecasting technology of typhoon track based on multi-model integration has been widely used. The work of this paper is to apply artificial neural network and committee machine integration theory to the establishment of typhoon track prediction model in the South China Sea. An integrated forecasting model which has good stability and generalization ability and can meet the operational requirements of short-term typhoon track prediction in the South China Sea is obtained. Firstly, this paper presents a typhoon track prediction model based on Bayesian neural network and integrated with Bagging committee. Bayesian neural network can control the complexity of network model while learning typhoon track history data well. The integrated prediction technology based on the Bagging Committee machine avoids the difficulty of determining the weight coefficient of the component model in the traditional integrated forecasting technology. Based on the above work, in order to further enhance the forecasting ability of the forecasting model for the multi-model typhoon track, this paper proposes a typhoon track prediction model based on the mixed density network and using the Averagingsbagging Committee machine integration respectively. At the same time, the data set "block strategy" is used to train and test the model in order to enhance the learning of the prediction model and to observe the stability and generalization of the prediction results. A number of experiments on the South China Sea typhoon track data set show that the integrated forecasting model presented in this paper has good stability and generalization ability in forecasting results. Can meet the South China Sea 24-hour short-term typhoon track forecast business demand.
【學位授予單位】：華東師范大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P732.4;TP183

【相似文獻】

相關期刊論文 前10條

1 陳瑞閃,楊書郎,陳謀瑞;關于臺風路徑轉折的研究[J];福州大學學報;1982年01期

2 蔡其發(fā);黃思訓;項杰;蘭偉仁;;幾個典型臺風路徑的同化試驗[J];海洋預報;2006年01期

3 劉勇;吳必文;王東勇;;一種臺風路徑相似檢索的算法研究[J];氣象;2006年07期

4 楊誠;于文革;;一種北上臺風路徑預報方法[J];氣象;2006年08期

5 蔡其發(fā);黃思訓;項杰;蘭偉仁;;幾個典型臺風路徑的同化試驗(英文)[J];Marine Science Bulletin;2006年02期

6 李峰;王振會;官莉;河惠清;;兩種導風方法在臺風路徑分析中的應用比較研究[J];氣象科學;2009年03期

7 ;7504號臺風路徑西折的原因[J];氣象;1976年09期

8 李麥村;姚棣榮;楊自強;;多級逐步判別在臺風路徑預報中的應用[J];科學通報;1976年12期

9 陳聯(lián)壽;我國東部海面臺風路徑突然西折的成因分析[J];大氣科學;1979年03期

10 殷顯曦;;國外臺風路徑預報現(xiàn)況[J];氣象科技;1979年02期

相關會議論文 前10條

1 陳建河;;臺灣地形對于繞行臺風路徑的動力機制探討[A];2009年海峽兩岸氣象科學技術研討會論文集[C];2009年

2 柳岳清;胡淳焓;周國華;;影響麗水的臺風路徑及災害風險特征[A];第七屆長三角氣象科技論壇論文集[C];2010年

3 黃椿喜;謝明昌;;西北太平洋地區(qū)影響臺風路徑的環(huán)境動力分析[A];2011年海峽兩岸氣象科學技術研討會論文集[C];2011年

4 王武軍;朱萬云;鄔方平;;2005年5號“海棠”臺風路徑分析[A];平安浙江氣象保障學術論壇論文集[C];2005年

5 馮欽賜;;臺灣全球模式之臺風路徑預報[A];2008年海峽兩岸氣象科學技術研討會論文集[C];2008年

6 李啟明;趙培育;晏景楠;;臺風路徑相似預報的初探[A];第二屆長三角氣象科技論壇論文集[C];2005年

7 尹潔;金米娜;馮開明;陳建萍;;深入內(nèi)陸的臺風路徑和暴雨機制分析[A];中國氣象學會2007年年會天氣預報預警和影響評估技術分會場論文集[C];2007年

8 吳陳鋒;魏應植;鄭秀云;吳偉杰;;雷達探測近海臺風路徑突變問題探討[A];2011年海峽兩岸氣象科學技術研討會論文集[C];2011年

9 姚麗娜;雷正翠;孫燕;;華東地區(qū)登陸臺風路徑的統(tǒng)計分析[A];第六屆長三角氣象科技論壇論文集[C];2009年

10 李建云;丁裕國;史久恩;;臺風路徑預報集成方法的一個試驗[A];第五屆全國優(yōu)秀青年氣象科技工作者學術研討會學術論文集[C];2002年

相關重要報紙文章 前6條

1 記者 劉成成;臺風路徑預報五年來誤差最小[N];中國氣象報;2012年

2 記者 高琳;去年臺風路徑預報誤差首次低于100公里[N];中國氣象報;2013年

3 董永春 汪瑛;精確刻畫臺風路徑[N];中國氣象報;2014年

4 殷磊邋帥紅;我國臺風路徑預報達國際水平[N];廈門日報;2008年

5 通訊員 趙瑞;中央氣象臺推出臺風路徑顯示新版本[N];中國氣象報;2010年

6 記者 田東霖;今年臺風路徑進入黃海概率增加[N];中國海洋報;2008年

相關碩士學位論文 前5條

1 朱雷;基于神經(jīng)網(wǎng)絡委員會機器的南中國海臺風路徑預報模型研究[D];華東師范大學;2017年

2 趙彪;波致混合對臺風路徑預測的影響[D];國家海洋局第一海洋研究所;2012年

3 溫德W，

本文編號：1880810