天氣預(yù)報是人們安排出行計劃的重要參考依據(jù),也是城市以及鄉(xiāng)鎮(zhèn)針對惡劣性氣候進(jìn)行防災(zāi)減災(zāi)的重要保障。隨著現(xiàn)代氣象科學(xué)技術(shù)的進(jìn)步,氣象預(yù)報在準(zhǔn)確性和高效性方面著更為嚴(yán)格的要求,其中集成天氣預(yù)報技術(shù)成為現(xiàn)代天氣預(yù)報技術(shù)研究的重點和熱點問題。集成預(yù)報是一種用數(shù)學(xué)模型將多種相互獨立的單模式預(yù)報產(chǎn)品進(jìn)行整合與分析,最終得到更為理想、統(tǒng)一的預(yù)報結(jié)論的技術(shù)。目前,關(guān)于中短期集成預(yù)報的研究還不是很多。本課題的研究目的在于,建立基于人工神經(jīng)網(wǎng)絡(luò)的集成預(yù)報模型,以此為基礎(chǔ)開發(fā)多站點精細(xì)化天氣預(yù)報業(yè)務(wù)軟件,提供定點、定時、定量集成預(yù)報數(shù)據(jù),減小數(shù)值模式和預(yù)報員主觀決策所帶來的預(yù)報誤差。 目前,基于人工神經(jīng)網(wǎng)絡(luò)的集成預(yù)報大多采用BP網(wǎng)絡(luò),這種方法存在學(xué)習(xí)速度較慢、訓(xùn)練過程容易陷于局部最小的問題。所以選取學(xué)習(xí)速度快、收斂性好、實時性強(qiáng)的徑向基神經(jīng)網(wǎng)絡(luò)處理集成預(yù)報問題作為有著很大的優(yōu)勢。本文采用新的集成預(yù)報路線,將低級單模式數(shù)值預(yù)報作為網(wǎng)絡(luò)輸入層,經(jīng)過訓(xùn)練的網(wǎng)絡(luò)輸出統(tǒng)一高級集成預(yù)報結(jié)果,以此為目標(biāo)來設(shè)計集成預(yù)報模型。 本文主要工作有：首先針對天津觀測站點的數(shù)值模式預(yù)報數(shù)據(jù)特點,篩選出可靠的集成預(yù)報成員,創(chuàng)... 

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 前言
    1.1 課題研究背景及意義
        1.1.1 課題背景
        1.1.2 研究意義
    1.2 集成預(yù)報國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容及論文結(jié)構(gòu)安排
        1.3.1 研究內(nèi)容概述
        1.3.2 論文結(jié)構(gòu)安排
    1.4 本章小結(jié)
2 相關(guān)資料與技術(shù)介紹
    2.1 中短期數(shù)值天氣預(yù)報
        2.1.0 數(shù)值天氣預(yù)報概述
        2.1.1 數(shù)值天氣預(yù)報發(fā)展
        2.1.2 數(shù)值預(yù)報在中短期預(yù)報中的影響
    2.2 現(xiàn)有集成預(yù)報方法
        2.2.1 集成預(yù)報方法概述
        2.2.2 基于權(quán)重分配的集成預(yù)報方法
    2.3 數(shù)值模式數(shù)據(jù)插值處理
        2.3.1 雙線性插值法
        2.3.2 反距離權(quán)重法
    2.4 人工神經(jīng)網(wǎng)絡(luò)在預(yù)報技術(shù)中的應(yīng)用
        2.4.1 人工神經(jīng)網(wǎng)絡(luò)概念
        2.4.2 人工神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)
        2.4.3 基于神經(jīng)網(wǎng)絡(luò)的預(yù)報技術(shù)應(yīng)用現(xiàn)狀
    2.5 徑向基神經(jīng)網(wǎng)絡(luò)(RBF網(wǎng)絡(luò))
        2.5.1 RBF網(wǎng)絡(luò)網(wǎng)絡(luò)概述
        2.5.2 RBF網(wǎng)絡(luò)結(jié)構(gòu)
        2.5.3 RBF網(wǎng)絡(luò)特點
        2.5.4 RBF網(wǎng)絡(luò)應(yīng)用現(xiàn)狀
    2.6 本章小結(jié)
3 基于徑向基神經(jīng)網(wǎng)絡(luò)的集成預(yù)報
    3.1 RBF神經(jīng)網(wǎng)絡(luò)算法描述
        3.1.1 RBF網(wǎng)絡(luò)的數(shù)學(xué)表達(dá)
        3.1.2 RBF網(wǎng)絡(luò)基函數(shù)參數(shù)選取算法
    3.2 基于RBF神經(jīng)網(wǎng)絡(luò)的集成預(yù)報實現(xiàn)
        3.2.1 單模式數(shù)值預(yù)報數(shù)據(jù)特點
        3.2.2 RBF網(wǎng)絡(luò)輸入層選取
        3.2.3 數(shù)據(jù)預(yù)處理
        3.2.4 參數(shù)設(shè)定和集成模型設(shè)計
    3.3 本章小結(jié)
4 集成預(yù)報系統(tǒng)的設(shè)計與實現(xiàn)
    4.1 系統(tǒng)需求分析
        4.1.1 總體分析
        4.1.2 系統(tǒng)用例分析
        4.1.3 系統(tǒng)功能性需求分析
        4.1.4 系統(tǒng)非功能性需求分析
    4.2 系統(tǒng)設(shè)計與實現(xiàn)
        4.2.1 系統(tǒng)概要設(shè)計
        4.2.2 開發(fā)與運(yùn)行環(huán)境
        4.2.3 數(shù)據(jù)庫設(shè)計
        4.2.4 詳細(xì)設(shè)計
    4.5 本章小結(jié)
5 系統(tǒng)測試與結(jié)果分析
    5.1 單元測試
    5.2 性能測試
    5.3 集成結(jié)果分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 未來展望
7 參考文獻(xiàn)
8 攻讀碩士學(xué)位期間論文發(fā)表情況
9 致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于RBF神經(jīng)網(wǎng)絡(luò)的輸油管道安全停輸時間預(yù)測[J]. 高艷波,馬貴陽,劉宏宇,姚堯,王雷,代堪亮.  遼寧石油化工大學(xué)學(xué)報. 2012(04)
[2]基于RBF神經(jīng)網(wǎng)絡(luò)的地下水位動態(tài)預(yù)測[J]. 張曉峰,崔艷富,霍曉峰,李敏,吳瑕婷,林宏斌.  內(nèi)蒙古民族大學(xué)學(xué)報(自然科學(xué)版). 2012(06)
[3]基于結(jié)構(gòu)最優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的潤滑油金屬含量預(yù)測[J]. 石宏,張帥,李昂.  潤滑與密封. 2012(11)
[4]數(shù)值天氣預(yù)報模式產(chǎn)品在預(yù)報業(yè)務(wù)中的應(yīng)用[J]. 程正泉,廖代強(qiáng).  廣東氣象. 2012(04)
[5]基于RBF神經(jīng)網(wǎng)絡(luò)的池州市降水序列預(yù)測[J]. 沈艷,楊春雷,張慶國,朱雅莉.  安徽農(nóng)業(yè)大學(xué)學(xué)報. 2012(03)
[6]煤礦涌水量的灰色RBF網(wǎng)絡(luò)預(yù)測模型[J]. 郭鳳儀,郭長娜,王洋洋.  計算機(jī)測量與控制. 2012(02)
[7]基于粒子群算法的天氣滾動預(yù)報集成技術(shù)[J]. 熊聰聰,許淑祎,徐姝.  天津科技大學(xué)學(xué)報. 2012(01)
[8]短期溫度、降水的多模式集成預(yù)報[J]. 周之栩.  科技通報. 2010(06)
[9]反距離權(quán)重插值因子對插值誤差影響分析[J]. 劉光孟,汪云甲,王允.  中國科技論文在線. 2010(11)
[10]神經(jīng)網(wǎng)絡(luò)在時間序列預(yù)測中的應(yīng)用研究[J]. 徐鵬飛,李煒,鄭華,吳建國.  電子技術(shù). 2010(08)

碩士論文
[1]基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究[D]. 康軍.湖南師范大學(xué) 2009



本文編號：3707998