基于聚类天气分型KNN方法在风预报中应用.pdfVIP

第 19 卷 5 期 应 用 气 象 学 报 Vol . 19 , No . 5 2008 年 10 月 　　　　 　 　 　 　J OU RNAL OF A PPL IED M ETEOROL O GICAL SCIEN CE 　 　　 　 　 　 　October 2008 基于聚类天气分型的 KNN 方法在风预报中的应用 1) 2) 1) 3) 1) 1) 1) 陈豫英 　刘还珠 　陈　楠 　曾晓青 　马金仁 　刘迁迁 　马筛艳 1) ( 宁夏气象防灾减灾重点实验室 ,银川 750002) 　 2) ( ) 3) ( ) 　 国家气象中心 ,北京 100081 　 兰州大学大气科学学院 ,兰州 730000 摘 　　要 ( ) 以模式识别和相似预报思想为基础 ,建立基于自组织神经网络 SOM 的聚类天气分型和交叉验证的 K 最近 ( ) 邻域非参数估计仿真模型 KNN 。该模型首先以自组织神经网络技术对西北地区的高空流场和高度场进行聚类 分型 ,针对不同天气形势下的历史样本 ,通过交叉检验 ,分别寻求各类天气型下的最佳 K 组合 。为了验证聚类天 气分型对 KNN 方法的影响 ,使用 2003 —2006 年冬半年 T2 13 数值预报产品和宁夏 日最大风速资料 , 同时建立了宁 夏冬半年 日最大风速 ≥6 m/ s 天气分型和未分型的 KNN 预报模型 ,并对 2007 年 1 —5 月进行了预报试验 ,预报评 估结果表明:天气分型后的预报模型总体上降低了预报空报率 ,提高了预报准确率 ,特别是某些类天气型 ,提高幅 度更大 ,为分类相似预报开拓了思路 。 关键词 : 自组织神经网络 ; 聚类天气分型 ; 交叉验证 ; K 最邻近域 ; 日最大风速预报 近几年来在数值预报释用中颇为重要的一种方法 , 引　言 它是基于范例进行推理的人工智能领域中发展较快 的一种求解问题技术 ,利用过去的范例或经验来解 在我国北方及沿海地区 ,平均风速 ≥12 m/ s 的 决当前问题的类比推理方法 ,亦称为相似方法 。由 大风就会造成严重影响 ,甚至灾害 。因此 ,大风预报 于气象要素样本较长 ,并且获取资料较为及时 ,这使 在天气预报服务中占有相当重要的地位 。 得 KNN 技术得以在天气预报 ,特别是在定性要素 风是人们能直接感觉到的气象要素之一 ,它不 的判别中发挥作用 。该方法不需要建立预报方程 , ( ) 仅受大中尺度风压定律所制约 ,也受边界层动力和 直接根据训练数据 历史天气样本 建立概率天气预 热力湍流作用的影响 , 同时局地地形 、地貌对当地地 报的 K 近邻