遗传算法优化BP网络的汛期降水预测模型

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。     

宣城市2008年气候影响评价

用宣城市2008年气象资料,分析了气候特征及其影响。结果表明,2008年全市年平均降水量略偏少,其中南多北少 入梅、出梅期偏早,梅雨日数和全市平均梅雨量接近常年。全市年平均气温比常年偏高,高温日数多于常年。主要气象灾害是1月10日~2月2日持续低温雨雪冰冻天气 另外,暴雨洪涝、台风、雷雨大风也造成人员伤亡和严重经济损失 降水时间分布比较均匀,有利水利工作。农业方面除棉花以外收成均较好,气候上属正常偏好年景。     

2007年夏季淮河流域多时间尺度降水分布和传播特征

针对2007年夏季淮河流域致洪暴雨，笔者采用美国NCEP/NCAR全球日平均分析场资料，对此次过程进行了详细地分析。Morlet小波分析结果表明：降水存在准35天、准18天和准8天周期变化现象。准35天周期低频降水从西南传播至淮河流域南部，另一方面从西北方向传播至淮河流域中南部；南海为低频降水传播源地也很清楚。降水的周期愈短，传播特征愈不明显。200 hPa与850 hPa水平散度差与降水有很好的对应关系，水平散度差＞0（＜0）对应降水区域（无降水区域），降水的传播与水平散度差基本一致。200 hPa与850 hPa水平散度差是不同时间尺度地面降水的预报因子。     

宣城市2007年气候影响评价

基于宣城市2007年气象资料,分析了气候特征及其影响。结果表明,全市平均年降水量偏少,南北少,中间多;入梅、出梅期偏迟,梅雨量较常年偏少。全市年平均气温是有气象记录以来最高值。气象灾害较多,洪涝、台风、高温、干旱、风雹、雷击等极端天气气候事件经常发生,7月10日、10月7～8日暴雨灾害造成的直接经济损失较大;除此之外,降水时间分布比较均匀,农业方面收成较好,气候上属偏好年景。     

皖东南地区2012年气候变化及其对农业影响

为了应对气候变化对宣城市农业造成的影响,采用宣城市2012年气象资料、农业灾情资料,统计分析气候变化对宣城市农业的不利影响。结果表明,全市平均年降水量与常年相比偏多7.6%,除宣城为负距平以外,其余各县（市）为正距平。年内除4、6、7月和10月降水量较常年偏少外,其余月份降水量均偏多。入梅、出梅期偏迟,全市平均梅雨量较常年偏少。全市年平均气温正常略偏高,高温日数比常年偏多8天。主要气候事件是2月22日—3月23日全市出现长时间低温阴雨天气,6月27—28日部分地区出现的强降雨和第11号台风“海葵”对宣城市的影响。气象灾害对农业的不利影响大,但粮油的单产、总产比2011年略有增产,气候上属正常偏好年景。     

粒子群优化的神经网络在夏季降水预测中的应用

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500hPa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66.5mm,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。     

遗传算法优化BP网络的汛期降水预测模型

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.