繼"人工智能技術(shù)的熱帶氣旋預報綜述（之一）"有關(guān)BP神經(jīng)網(wǎng)絡(luò)和集成方法的熱帶氣旋預報研究和業(yè)務應用進行詳細綜述后,本文將進一步綜述流形學習方法在熱帶氣旋預報因子數(shù)據(jù)挖掘中的應用,以及各種智能計算模型,包括粒子群算法、模糊算法、概率算法,及深度學習方法在熱帶氣旋預報中的應用研究成果,并對今后氣象領(lǐng)域的人工智能發(fā)展進行初步設(shè)想探討,以期能為有效提高人工智能方法的氣象災害預報能力提供有益參考。 

【文章來源】：氣象研究與應用. 2020,41(04)

【文章頁數(shù)】：8 頁

【文章目錄】：
引言
1 基于流形學習數(shù)據(jù)挖掘的TC路徑、強度預報方法
2 基于粒子群算法、模糊算法、概率算法、Bagging算法、多模協(xié)同算法的TC預報方法
3 基于條件數(shù)的TC預報方法
4 基于支持向量機的TC預報方法研究
5 基于深度學習的TC預報方法
6 小結(jié)


【參考文獻】：
期刊論文
[1]人工智能的關(guān)鍵技術(shù)及相關(guān)應用[J]. 李程怡.  科技創(chuàng)新與應用. 2020(12)
[2]基于神經(jīng)網(wǎng)絡(luò)集合預報的臺風路徑預報優(yōu)化[J]. 周笑天,張豐,杜震洪,劉仁義.  浙江大學學報(理學版). 2020(02)
[3]局部流形學習在SAR目標分類中的應用[J]. 李鑫,續(xù)婷,胡紅萍,杜敦偉,白艷萍.  現(xiàn)代雷達. 2020(04)
[4]一種面向圖像分類的流形學習降維算法[J]. 劉開南,馮新?lián)P,邵超.  計算機應用與軟件. 2019(08)
[5]基于流形學習的光學遙感圖像分類[J]. 王云艷,羅冷坤,王重陽.  計算機工程與科學. 2019(07)
[6]人工智能在氣象領(lǐng)域的應用述評[J]. 朱玲,吳心玥.  廣東氣象. 2019(01)
[7]深度學習原理及應用綜述[J]. 付文博,孫濤,梁藉,閆寶偉,范福新.  計算機科學. 2018(S1)
[8]預報因子選擇的條件數(shù)方法及其在臺風強度預報中的應用[J]. 農(nóng)吉夫.  數(shù)學的實踐與認識. 2014(23)
[9]基于局部線性嵌入的人工智能臺風強度集合預報模型[J]. 黃穎,金龍,黃小燕,史旭明,金健.  氣象. 2014(07)
[10]南海熱帶氣旋強度預報的線性模型與非線性模型研究[J]. 林開平,劉春霞,黃穎,陳冰廉,董彥.  熱帶氣象學報. 2013(06)

碩士論文
[1]基于混合模式集合預報的臺風路徑預報優(yōu)化方法研究[D]. 周笑天.浙江大學 2019
[2]基于PSO-BP神經(jīng)網(wǎng)絡(luò)的南海熱帶氣旋預報研究[D]. 朱東青.南京師范大學 2012



本文編號：3046459