人工神经网络在成山头风预报中的应用-天气预报.PDF

第 4 卷 4 期 天气预报技术总结专刊 Vol.4 ，No.4 2012 年8 月 WEATHER FORECAST REVIEW August 2012 人工神经网络在成山头风预报中的应用 王 慧 马学款 赵 伟 （国家气象中心，北京 100081，wangh1@cma.gov.cn） 摘要：成山头地处山东半岛最东端，由于其特殊的地理位置，使得成山头站的风对黄海海面风有很好的指 示作用。使用2005年10月-2010年9月NCEP 1°×1°再分析资料和实况观测资料，采用动态学习率BP网络（前 馈反向传播，简称BP网络）算法的人工神经网络建立模型，在对T639数值预报产品解释释用基础上，针对成 山头站进行了24小时和48小时模拟预测。模型预测结果显示，BP网络模型对成山头站的风力预报相对T639 模式的平均绝对误差24小时降低了28.2%，48小时降低了19.7%。对容易致灾的6级以上大风准确率提高显 著，尤其是在T639模式对8级以上大风完全漏报情况下，BP模型在24小时仍有25%的预报准确率，48小时能 达到50%的准确率。这对于数值预报产品大风的订正预报有参考作用。 关键词: 人工神经网络，BP算法，风，数值预报产品释用 用NCEP再分析场及实况观测资料，建立了该站的 引 言 风力预报模型，并对该模型的预报结果进行了检 验评估，试验证明取得了较好的预报效果。 随着计算机能力的迅速提高和数值天气预报 技术的不断发展，用数值模式产品预报近海海面 1 BP神经网络模型简介 风场成为一种趋势，它将逐渐取代建立在以天气 动力学理论和预报员经验基础上的半理论半经验 人工神经网络中，有两类网络应用的比较广 的预报方法。然而，全球模式产品和区域模式产 泛：一类是多层神经网络，另一类是回归网络。 品由于分辨率较低等原因还远远不能满足海洋气 第一类网络多用于自学习、辨识方面，以BP算法 象专业化、精细化发展的需求，所以开展数值预 较为著名；第二类网络以Hopfield网络为代表， 报产品解释应用是专业化、精细化气象预报未来 主要用于联想记忆方面 [11]。本文采用第一类网 的发展趋势。动力统计预报是在模式预报现有能 络，BP算法的人工神经网络。 力的基础上，进一步提高预报准确率的有效的途 人工神经网络是一个可自动实现两组变量间 径之一。近年来，随着人工神经网络模型的快速 非线性映射关系的数据处理系统。BP算法本质是 发展并在信号处理、水质评价、安全事故预测等 优化计算中的梯度下降法，利用误差对于权、阈 各行各业的广泛应用，该方法也越来越多的被引 值的一阶导数信息，应用误差反传原理不断调整 入气象领域，并在降水 [1-3]、温度[4-5]、雾[6-7]等 网络的权值、阈值，使网络输出值与期望值之间 要素预报和热带气旋强度预报 [8]、浪高模拟[9]、 的误差平方和达到最小或小于设定精度。 卫星太阳辐射的估算 [10]等都取得了一系列研究 BP神经网络模型由输入层、隐层和输出层构 成果。如文献 [6] 中神经网络模型对重庆的雾，尤 成（图1）。 其浓雾的预报评分很高。林建玲等 [1]建立的人工 经前人研究，对任意在闭区间内的一个连续 神经网络模型对广西中雨以上降水量级的预报评分 函数，都可以用含一个隐层