总云量线性预报模型与非线性预报模型的对比试验
统计预报方法大多建立在线性相关基础之上，在处理比较复杂的非线性问题时具有较大的局限性，寻找一种能够较好处理非线性问题的预报方法十分必要。本文利用2003-2005年的T213中期数值预报产品，分别采用人工神经网络方法(BP)和支持向量机方法(SVM)等非线性方法以及多元线性回归方法，建立了机场总云量夏半年分类预报模型。用2006年的资料进行了试报试验，并对所建立的机场总云量线性预报模型和非线性预报模型的预报性能进行了对比研究。得出以下结论：(1)在因子筛选方法相同、制作24小时内的短期预报时，5种分类情况下采用人工神经网络技术和支持向量机方法所建立的两种非线性预报模型，预报性能优于多元线性回归方法所建立的线性预报模型。(2)当预报量分为2类时，三种模型24小时内都具有较好的预报准确率(高于70”％”)。当预报量分类等级不超过3类时，人工神经网络模型(BP)性能最优，在各时效均保持了70”％”以上的较高预报准确率。而随着总云量等级分类的增加(4类以上)，支持向量机模型表现出更优越的分类能力。(3)典型相关分析与非线性建模方法相结合，为机场总云量的解释预报提供了一种新的行之有效的方法。
机场总云量 线性预报模型 多元线性回归 BP神经网络 支持向量机
王洪芳 刘健文 张长卫
空军装备研究院航空气象防化研究所，北京，100085
国内会议
杭州
中文
1-9
2009-10-14（万方平台首次上网日期，不代表论文的发表时间）