用神经网络方法对雷达资料进行降水类型的分类
本文利用不依赖先验统计模型,基于BP算法的多层前馈的神经网络模型对合肥的中国新一代S波段A系列雷达的2001-2003年间的降水观测资料进行了层状云降水、对流云降水和混合云降水三种降水类型的分类,并将训练完的网络应用于一次降水过程。得出以下结论:(1)用神经网络对雷达资料进行三种降水类型的分类可以达到很高的成功分辨率;在取适当结构和参数时,网络对训练集、测试集及应用的个例都可以取得93.75％以上的成功分辨率。(2)用神经网络进行识别时不需要知道降水类型的先验概率模型,且所用的特征维数仅为2,因此相对于传统的统计方法更有利于推广。(3)神经网络的性能受其结构和参数的影响较大.同时验证了前人研究中说得的以下结论:训练集样本的数量和输入顺序、隐层神经元的数目以及学习率的选择等都将影响分类的成功率。
气象雷达 观测资料 神经网络 降水类型分类
王静 程明虎
中国气象科学研究院,北京,100081
国内会议
合肥
中文
2006-11-20（万方平台首次上网日期，不代表论文的发表时间）