多隐层BP神经网络在模式预报中的简化应用
沈沉1
赵文灿2
施金海1
高翔1
顾松强3
1.德清县气象局,浙江德清,3132002.浙江广晟信息技术有限公司,浙江杭州,3100163.上海市浦东新区气象局,上海,200135
摘要：EC细网格预报效果好,基本满足业务需要,在工作中被广泛应用.为进一步提升预报准确性,做好迪士尼园区的气象服务保障,选取2016年7月至2017年6月1年的2m温度预报场,24 h预报时效的时间分辨率为3h,72 h预报时效的时间分辨率为24 h,分别用回归分析法、S型和简化Line型BP神经网络法进行模式释用,与迪士尼气象站观测数据对比.结果 表明:阈值为1℃时,对模式结果释用后,均方根误差减少了0.5℃到1.0℃,3-9h和21-72 h预报时效的准确率由原来的50％和30％分别上升到70％和50％.采用S型多隐层BP神经网络误差最小,不同预报时效释用稳定性最高,同时该释用方法对tmin的预报特征把握更精准,释用效果明显优于对tmax的预报释用,但迭代计算耗费时间大幅增多,与预报效果的提升不成正比.简化Line型的BP神经网络通过8个半月的数据量和简单的网络模式,捕获了EC预报的特征,不但减小了计算量,大幅缩短了计算时间,而且预报结果也有显著提升,预报稳定性较好,具有广泛的业务应用空间.
关键词：上海迪士尼度假区地面气温BP神经网络模式释用
分类号：P456.7(天气预报)
资助基金：上海市气象局科研(启明星)项目(QM201717)
论文发表日期：2019-10-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 127-132 )
英文信息