【摘要】：基于TIGGE資料集中的ECMWF、CMA和JMA的數(shù)值預(yù)報產(chǎn)品,利用加權(quán)集成和回歸集成的線性集成方式與遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)(GABP)集成,對覆蓋我國大部的研究區(qū)域開展海平面氣壓、500hPa位勢高度和地面2m溫度在24h、48h和72h預(yù)報時效下的多模式集成預(yù)報試驗,并以一次天氣過程進行分析。通過對2013年1～6月的預(yù)報檢驗,得到以下結(jié)論:(1)單一模式預(yù)報中總體上ECMWF模式預(yù)報效果最好,CMA模式預(yù)報效果最差,以均方誤差和氣候距平相關(guān)系數(shù)兩種指標(biāo)分析出GABP集成能夠明顯改進單一模式的預(yù)報效果,比較數(shù)值變化發(fā)現(xiàn)預(yù)報效果隨著預(yù)報時效增加呈降低趨勢。(2)使用三個預(yù)報量的ECMWF、CMA和JMA模式預(yù)報結(jié)果進行多模式集成,集成預(yù)報方式能夠改進單一模式預(yù)報效果;在改進單一模式預(yù)報效果方面GABP集成比線性集成方式更有優(yōu)勢,線性集成方式中回歸集成比加權(quán)集成預(yù)報誤差更小。(3)三個預(yù)報量GABP集成預(yù)報誤差分布顯示在24h至72h預(yù)報時效下均在我國南方地區(qū)預(yù)報誤差較小,而且各預(yù)報量都有特定的預(yù)報誤差極大值區(qū);比較各預(yù)報量預(yù)報誤差極大值隨預(yù)報時效的變化,看出預(yù)報誤差隨預(yù)報時效增加而不斷增大。用ECMWF模式與GABP集成預(yù)報誤差的差值研究GABP集成改進單一模式預(yù)報的特征,三個預(yù)報量預(yù)報誤差差值較大的區(qū)域主要在我國西部以及北方,尤其在模式預(yù)報不確定性較大的西部地區(qū)GABP集成改進預(yù)報效果更加顯著。(4)BP神經(jīng)網(wǎng)絡(luò)進行多模式集成減小了單一模式預(yù)報誤差,無遺傳算法參與優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)集成同線性集成方式相比在改進效果上沒有明顯優(yōu)勢,有遺傳算法參與優(yōu)化時的GABP集成預(yù)報誤差比BP算法單獨優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)集成預(yù)報誤差有一定的減小,遺傳算法的優(yōu)化起到了提升神經(jīng)網(wǎng)絡(luò)集成預(yù)報效果的作用。(5)在個例分析中發(fā)現(xiàn),GABP集成對較短時間的天氣過程具有較好的預(yù)報能力,三個預(yù)報量集成預(yù)報誤差相比單一模式預(yù)報均有減小,GABP集成改進天氣過程預(yù)報優(yōu)于線性集成方式。GABP集成對天氣過程的預(yù)報結(jié)果是可信的,預(yù)報變量的變化過程與實際天氣過程基本相符。
【圖文】：

在有數(shù)據(jù)資料和相關(guān)研宄方法之后，進行ＧＡＢＰ集成預(yù)報，需要建立模型來開展。逡逑首先利用ＢＰ神經(jīng)網(wǎng)絡(luò)建立三種模式的集成預(yù)報模型，模式預(yù)報資料作為輸入端，觀測逡逑資料作為輸出端，建立ＢＰ神經(jīng)網(wǎng)絡(luò)模型如圖１所示。在建立模型時，２０１１年１月１日逡逑？２０１２年１２月３１日的數(shù)據(jù)作為訓(xùn)練樣本，２０１３年１月１日￣６月３０日的數(shù)據(jù)作為測試逡逑樣本。具體的建模步驟如下：逡逑丨邐集嫌出逡逑／逡逑邐邋／逡逑ＪＭＡ逡逑＾…Ｉ逡逑輸入層邐隱層邐丨？R%出層１逡逑圖１邋ＢＰ神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意逡逑①

圖３各模式與ＧＡＢＰ集成預(yù)報區(qū)域平均均方誤差。（ａ）海平面氣壓；（ｂ）邋５００ｈＰａ位勢高度；（ｃ）逡逑地面２ｍ溫度逡逑海平面氣壓的預(yù)報誤差情況如圖３邋（ａ）所示，２４ｈ至７２ｈ預(yù)報時效下三種模式的預(yù)逡逑報誤差在邋２．５８ｈＰａ？３．８４ｈＰａ、２．７４ｈＰａ？４．０７ｈＰａ、２．９７ｈＰａ？４．３８ｈＰａ邋的區(qū)間，在同一預(yù)報時逡逑效下ＣＭＡ模式預(yù)報誤差比另兩種模式大ｌ．ＯｈＰａ左右，，而２４ｈ至７２ｈ預(yù)報時效下ＧＡＢＰ逡逑集成預(yù)報誤差在１．５６ｈＰａ￣２．０８ｈＰａ區(qū)間，ＧＡＢＰ集成的預(yù)報誤差在每個預(yù)報時效相比單逡逑一模式都減小ｌ．ＯｈＰａ以上。圖３邋（ｂ）顯示的是５００ｈＰａ位勢高度的預(yù)報誤差，三種模式逡逑１４逡逑
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP183;P456.7

【參考文獻】

相關(guān)期刊論文 前10條

1 馬林茂;李德富;郭海湘;李偉偉;;基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在原油產(chǎn)量預(yù)測中的應(yīng)用:以大慶油田BED試驗區(qū)為例[J];數(shù)學(xué)的實踐與認識;2015年24期

2 狄靖月;趙琳娜;張國平;許鳳雯;王志;;降水集合預(yù)報集成方法研究[J];氣象;2013年06期

3 智協(xié)飛;季曉東;張t

本文編號：2672457