人工神经网络方法在雷暴预报中的应用研究
雷暴曾被联合国列为最严重的十大自然灾害之一，也是影响中国夏季的主要灾害性天气。正是由于雷暴所具有的严重破坏力和复杂形成机制，长期以来气象学者一直对其预报问题保持着高度的关注。与传统的数值预报产品解释应用方法不同，人工神经网络（BPNN）是一种模拟人脑信息处理方法的非线性系统，在描述和模拟具有典型非线性结构的灾害性天气方面，表现出较好的预报性能。本文基于2000 年—2007 年NCEP 分析场进行因子分析计算，采用“和平均因子”方法进行因子选取，将影响本站的天气系统的空间性和时间性体现在预报因子中。采用人工神经网络方法建立了北京等20 个单站的雷暴预报模型，利用2008 年和2009 年夏季6～8 月T511 中期数值预报产品作为实时预报输入场，对人工神经网络预报模型进行预报试验，并选取沈阳等7 个站的预报网络模型与动态相似预报模型进行对比检验。结果表明：人工神经网络模型和动态相似模型对单站雷暴的预报效果均较好，其中，人工神经网络模型在2008 年和2009 年夏季雷暴预报准确率分别达到75％和80%，预报技巧CSI 评分分别为0.411 和0.502，漏报率分别为0.371 和0.296，空报率分别为0.455 和0.370，总体上雷暴人工神经网络模型对2009 年的雷暴发生预报效果比对2008 年的雷暴发生预报效果提高幅度较大。对湛江和福州两站建立的雷暴人工神经网络模型预报效果较好，2009 年CSI 评分湛江站最高，达到0.695，福州站的CSI 评分也超过0.6。雷暴人工神经网络模型在CSI 评分上明显优于动态相似模型，且预报空报率低于动态相似模型。人工神经网络模型在单站雷暴预报中具有较好的业务应用前景。
人工神经网络 雷暴预报 动态相似模型 空报率
王洪芳 杨成荫 胡艳冰 李玮
北京航空气象研究所,北京,100085
国内会议
厦门
中文
1-8
2011-11-01（万方平台首次上网日期，不代表论文的发表时间）