排序方式: 共有10条查询结果,搜索用时 109 毫秒
1
1.
2.
针对BP算法易陷入局部极小、收敛速度慢等缺点,遗传算法是全局优化算法和具有很强的全局搜索能力,遗传算法优化BP神经网络初始连接权值和阈值形成混合算法。以安徽宣城市为例,将汛期降水量作为预测对象,前期74项大气环流特征量、500 hPa、100 hPa月平均高度场、月平均海平面气压场和月平均海温场资料中选取预测因子,建立汛期降水短期气候预测模型。结果表明,该方法计算稳定,预报误差小,具有实用价值。 相似文献
3.
安徽泾县春茶开采期预报及气候品质评价 总被引:2,自引:0,他引:2
为了探究气候条件对春茶开采期和品质的影响,基于2013—2016年安徽翰林茶叶有限公司"绿环兰香"茶叶基地区域气象站资料和生育期观测资料,建立春茶开采期积温预报模型。此外,在茶叶气候品质评价气象指标和气候适宜指数构建基础上,利用分层聚类分析方法,得出茶叶气候品质评价等级标准。结果表明:当≥7℃活动积温和有效积温分别达396.7℃和153.6℃时,春茶进入开采期。春茶品质形成的最适气象指标为日平均气温在12~14℃,平均相对湿度大于80%,平均日照时间在3~6 h,其中倒春寒天气对茶叶品质影响最大。气候适宜指数和分层聚类结果表明,泾县地区气候条件总体有利于优质茶的形成,特优和优气候等级年份占56%,良等级占比19%,一般等级占比25%。试验数据检验表明,春茶气候品质等级与品质等级相一致,茶叶气候品质等级评价办法能够基本反映茶叶品质情况。 相似文献
4.
宣城春烟最佳移栽期天气聚类分析 总被引:1,自引:1,他引:0
利用1981~2010年安徽宣城单站地面气象观测资料和美国NCEP/NCAR全球日平均分析场资料,对宣城春烟最佳移栽期的日平均气温和日平均气压进行聚类分析。结果表明,春烟最佳移栽期出现前压、温曲线交替波动变化,一般气温降到极小值的第2天出现最佳移栽期,气温继续波动性上升,气压反位相变化;少数情况最佳移栽期出现以后温压曲线交替波动变化。最佳移栽期对应的500 hPa日平均温、压场上,西太平洋副热带高压呈东西带状分布,副高北界在20°N附近;中纬度盛行纬向环流,除Ⅲ类、Ⅴ类有明显的槽脊活动以外,其余均不明显;Ⅴ类测站上空有暖温度平流,其余均无温度平流影响。 相似文献
5.
6.
1960—2005年皖东南降水变化分析 总被引:5,自引:3,他引:2
以皖东南7个气象站1960—2005年降水资料为基础,系统分析了近46年来皖东南地区的降水变化趋势。结果表明:皖东南地区年降水量自20世纪60年代起呈减少趋势,70年代以来年降水量有增加趋势,但增加趋势不是很明显,各季节仅秋季降水量呈减小趋势,并通过显著性检验。1960—2005年降水日数和春冬季变化趋势不明显,夏季降水日数呈缓慢增长趋势,秋季降水日数呈现下降的趋势。极端强降水总量在1981年之后呈上升趋势,1963—1965年和1968年极端强降水总量呈减少趋势并达到显著性水平。极端强降水频率和极端强降水强度在1960—2005年间,未发生明显趋势变化。 相似文献
7.
8.
遗传算法优化BP网络的汛期降水预测模型 总被引:1,自引:0,他引:1
针对BP算法易陷入局部极小、收敛速度慢等缺点,遗传算法是全局优化算法和具有很强的全局搜索能力,遗传算法优化BP神经网络初始连接权值和阈值形成混合算法.以安徽宣城市为例,将汛期降水量作为预测对象,前期74项大气环流特征量、500 hPa、100 hPa月平均高度场、月平均海平面气压场和月平均海温场资料中选取预测因子,建立汛期降水短期气候预测模型.结果表明,该方法计算稳定,预报误差小,具有实用价值. 相似文献
9.
粒子群优化的神经网络在夏季降水预测中的应用 总被引:3,自引:3,他引:0
降水短期气候预测是一个非常复杂、重要的研究课题。为了提高其预测能力,拟采用1959—2011年逐月74项大气环流特征量序列、月平均500 hPa高度场和月平均海温场,选取预测因子;用主分量分析方法提取样本数据中主要信息为综合因子。用粒子群优化人工神经网络方法,建立宣城市夏季降水短期气候预测模型。对2007—2011年宣城市夏季降水预报检验结果表明,粒子群优化人工神经网络收敛速度快,迭代次数少;试报平均绝对误差是66.5 mm,绝对值平均相对误差10.5%,预测精度高,具有很好的应用推广前景。 相似文献
10.
安徽长江以南农业干旱遥感监测研究 总被引:3,自引:1,他引:2
建立干早遥感监测模型并探讨该监测方法的适用性,根据安徽长江以南地区秋季干旱特点,基于NOAA/AVHRR数据采用包含冠层温度的供水植被指数方法,利用极轨气象卫星遥感影像资料和气象台站常年地面土壤水分观测资料对干旱进行监测,结果表明沿江和江南区供水植被指数与20 cm土壤墒情的模型达显著水平(P<0.05),模型分别为y20cm=1.6708x+48.889和y20cm=4.18x+18.848,而与10 cm土壤墒情的回归方程未通过显著性测验。此外通过模型验证,20 cm土壤墒情反演结果与实际情况较为相符,因此供水植被指数方法适用于该区域的干旱监测。 相似文献
1