简介:简要介绍了精细化天气预报和气象数据挖掘应用的现状,在对BP神经网络预测方法详细分析的基础上,研究了基于时间序列数据挖掘实现精细化温度预报的方法。该方法基于时序分析技术,建立起适合于BP神经网络的输入样本模型,通过反复学习从温度时序中建立预测模型,将其用于未来24h的精细化温度预报。同时,对BP神经网络算法和步骤做了简要介绍,针对原有的BP算法存在的不足,做了一些改进。最后,通过对预测挖掘系统的设计和在Matlab6.5仿真平台上的试验,建立了温度预报模型,以兰州市观测站数据为时间序列研究对象,对精细化温度预报进行了仿真实现。对基于时序的数据挖掘理论的应用和开发精细化温度预报方法做了有益的探索。
简介:利用奇异值分解(SVD)方法、500hPa高度场、太平洋海温场和降水资料,建立起汛期降水的预测方程;经过适应本地化的Z指数修正,将预测结果转化为旱涝等级;将SVD技术与修正的Z指数结合起来,实现旱涝的气候预测;将研究成果推广应用到气象、防汛抗旱部门。结果表明:1)影响江淮分水岭地区汛期降水的因子有5个,分别是太平洋地区2个,印度半岛附近2个,欧洲地区1个;2)理论上的Z指数等级不符合江淮分水岭地区的实际状况,因而必须对Z指数进行修正。经过修正后的各个旱涝等级的划分概率较为合理,说明Z指数的5级指标是可靠的;3)利用5个影响因子可以建立汛期降水量与影响因子之间的预报方程,在共计8年的旱涝滚动预测和实况检验中,等级相符的有7年,只有2003年的预测试验相差一个等级,5级的预测准确率达到87.5%;4)经过气象、防汛抗旱部门2008年的应用,旱涝等级的预测意见和实际基本吻合,说明预测技术的应用情况良好。