遗传神经网络释用气候模式预测产品的试验研究
从业务需求出发，提出了面向气候模式产品释用的神经网络。选用主分量作为网络的输入和输出，大大减少了输入输出节点数，重点突出了大尺度影响变化关系，提高了实际预测的稳定性；用全局寻优的遗传算法取代经典BP算法，为高质量的网络学习训练提供了保证；针对实际设计代价函数，保证了网络学习训练能适应气候模式产品释用的基本要求，学习目的更明确，针对性更强。分别以夏季(6～8月)NCEP/NCAR500hPa高度场、国家气候中心海气耦合模式500hPa高度预测场主分量为外界输入信号，同期中国降水场、华中区域降水场主分量为网络输出信号，进行了拟合预测和独立预测试验。结果表明：用模式500hPa高度预测场主分量为外界输入信号，网络输出(降水场主分量)反演的中国、华中地区降水场预测距平与实况同号率有可能接近用NCEP/NCAR500hPa高度场主分量为外界输入信号相当的技巧水平。
神经网络 遗传算法 气候模式 降水场
张礼平 丁一汇 李清泉 张乐飞
武汉区域气候中心,武汉 430074;中国气象局气候研究开放实验室,北京 100081 中国气象局气候研究开放实验室,北京 100081;国家气候中心,北京 10008 武汉大学遥感信息工程学院,武汉 430079
国内会议
北京
中文
1-8
2008-11-20（万方平台首次上网日期，不代表论文的发表时间）