基于自然正交展开的神经网络长期预报模型

对月降水量的前期500hPa高度场、海温场相关预报因子进行E0F展开，并取其中与预报量相关程度较高的主成分，结合人工神经网络技术，建立了一种新的短期气候预测模型。将这种新的预报模型与同样根据这些预报因子建立的回归预报模型进行了对比分析。结果表明，这种新的短期气候预测模型由于集中了众多预报因子的预报信息，并有效地利用了神经网络方法的非线性映射能力，因此比传统预报方法的预报精度显著提高，并且稳定性好，具有很好的应用前景。     

旱涝趋势的投影寻踪预测模型

介绍了投影寻踪回归（ＰＰＲ）建模的基本原理和算法实现。选用太阳黑子年平均数和旱涝分型的转移概率作因子，建立了长江中下游旱涝趋势的ＰＰＲ预测模型，并与用相同资料建立的Ｂ－Ｐ神经网络模型预测结果进行了比较。     

改进的投影寻踪等级评价模型——在水蚀荒漠化评价中的应用

改进投影寻踪法是一种基于改进单纯形法直接优化投影寻踪法的投影函数和投影方向的一种新方法。应用改进的投影寻踪法,建立了水蚀荒漠化等级评价模型。利用该模型可将水蚀荒漠化等级的多维分级指标综合成一维投影值,根据投影值与经验等级值的函数关系可对水蚀荒漠化样本集进行合理分级。实例分析结果表明,直接由样本数据驱动的改进的投影寻踪等级评价模型用于水蚀荒漠化等级评价简单可行,具有较强的适用性和应用性,可操作性强,可广泛应用于各种评价问题中。     

两种定性天气预报模型的对比分析

以南京１９６５～１９９４ 年４ 月平均气温作为预报量, 选取前期５００ ｈ Ｐａ 月平均高度场相关因子, 分别建立了事件概率回归预报模型和神经网络预报模型。通过对比分析发现, 在同等条件下,由于神经网络方法能更好地反映预报量与预报因子间的非线性关系, 并能有效避免采用事件概率回归方法预报建模时, 对预报因子分级造成信息损失的缺点。因此, 其拟合和预报效果明显优于传统的概率回归预报方法     

低温雨雪过程的粒子群-支持向量回归预报方法

低温雨雪冰冻灾害是多种气象要素在同时段、同区域相互配合迭加影响而形成的,具有显著的非线性、时变性特征,预报难度很大。为此首先采用逐步回归与核主成分分析相结合的因子特征提取构建模型的输入矩阵。进一步采用粒子群算法对支持向量回归预报模型的相关参数进行优化,以华南广西区域持续性低温雨雪冰冻天气过程的冷湿指数作为预报对象,建立粒子群-非线性支持向量回归预报模型(PSO-SVR)。由独立样本对比预报试验结果表明,在建模样本相同、预报因子相同的条件下,粒子群-支持向量回归预报模型对严重过程和一般过程低温雨雪天气过程冷湿指数的独立样本预报平均绝对误差分别为7.39和7.65;而相应的回归预报方程对这两种过程的独立样本预报平均绝对误差分别为11.18和7.94,显示了PSO-SVR预报模型的预报误差明显小于一般的线性回归方法。     

马来西亚雪兰莪州生态环境脆弱度评价——基于逐次投影寻踪模型的研究

以马来西亚雪兰俄州为例,利用逐次投影寻踪模型进行了生态环境脆弱度评价。在评价过程中,评价指标中加入了基于遥感的表征指标,并且通过逐次投影寻踪模型确定指标权重。结果表明,该地区的生态环境脆弱度不断加重,生态环境逐渐恶化;加入遥感表征指标,并基于逐次投影寻踪模型进行的生态环境脆弱度评价能,更好地反映研究区的生态环境脆弱度态势。     

西江年最高水位的神经网络预报模型

对西江洪水发生的特征进行分析表明，洪水发生频率高，具有明显阶段性特征，并与流域面雨量密切相关。利用前期环流场、海表温度（SST）场及环流特征量资料选择初选预报因子，然后对初选预报因子作EOF分解构造综合预报因子，结合人工神经网络方法建立了西江年最高水位预报模型，并对预报模型进行独立样本试验。结果表明，该预报模型对历史样本拟合精度高，试报效果明显好于传统的逐步回归模型，可在汛期预测业务中应用。     

基于模糊综合判别的森林火险等级预报研究

森林火险气象因子的预报具有很大的不确定和模糊性,而依赖于气象预报因子的森林火险预报同样具有等级判别的模糊性.以海南岛森林火险气象等级预报为例建立森林火险预报模糊数学模型,研究建立森林火险预报模糊综合判别数学模型的关键技术,并分析对比模糊数学模型与其它常用森林火险预报方法模型的优劣.结果表明模糊数学模型在海南岛森林火险等级预报中显现出明显优势,它能够更好地分辨出高森林火险与低森林火险,较好反映森林火险等级与气象因子之间存在的复杂关系.     

基于投影寻踪的洪水灾情评价插值模型

为解决单项洪水灾情等级评价指标评价结果的不相容问题,提高综合评价各层次的分辩力和评价模型的精度,本文利用投影寻踪、遗传算法、插值型曲线,为洪水灾情评价提供了一种新模型--遗传投影寻踪插值模型.通过最佳投影向量和评价指标向量的内积可把洪水灾情多维评价样本指标综合成一维投影指标,根据该投影指标值和对应等级的分布,可建立洪水灾情评价的插值模型,解决了各单项洪水灾情评价指标评价结果的不相容问题,提高了洪水灾情综合评价问题各层次的分辩力.作为示例,对中国部分省市的洪水灾情进行了综合评价.     

BP神经网络在台风路径预报中的应用

利用前馈型BP神经网络模型,对发生于中国沿海的热带气旋的移动路径进行了预报应用研究.根据中国<台风年鉴>发布的每个台风过程记录,对预报试验的台风个例分别选取了经度、纬度、中心气压和最大风速等81个因子,由多元回归选取了其中相关性好的因子,进行网络的学习训练,在获取前24h间隔6h的4次台风信息的基础上,用来预报了台风未来24h,48h和72h的短期路径变化.将该方法预报结果与CLIPER模式预报结果进行了比较,结果表明,BP神经网络模式的预报精度比CLIPER模式的高.     

东北玉米热量指数预测方法研究(Ⅳ)——均生函数预测方法

均生函数预测方法是开展环境要素变化趋势预测的有效方法之一。通过对东北地区玉米热量指数的分析,建立了热量指数时间变化趋势的均生函数预测模型,各模型预测的平均精度基本都达到95%以上,与逐步回归统计模型一致,但普遍要好于GM(1,1)模型,同样可以应用该模型的预测结果指导农业生产。     

基于天气分型的北京地区雷电潜势预报预警系统

对1997-2006年457个雷暴过程的环流形势进行对比分析,将北京地区的雷暴天气分为东北低涡低槽、贝蒙低涡低槽、西来槽等11种雷暴天气型;利用南郊观象台(54511站)的探空资料计算对流有效位能、抬升指数和相对风暴螺旋度等33个对流参数,通过与北京地区SAFAIR3000获取的闪电定位资料进行统计分析,提取BCAPE、BLI、MDCI、BIC、KNEW和SWISS等6个对流参数作为北京地区潜势预报参数;采用事件概率回归(REEP)方法,利用获取的6个对流参数作为变量,形成了11种雷暴天气型下的潜势预报方法。利用WRF模式的预报场,建立适用于北京地区3～36 h雷电潜势预报系统。个例实验结果表明其具有较好准确性。由于该系统建立过程中使用了高分辨率探测资料和中尺度模式的输出结果,实现了雷电潜势预报由点到面,由粗到细的突破,对北京地区雷电预警预报具有一定的应用价值。     

滑坡动态变形过程的综合研究方法

影响滑坡变形破坏过程的因素具有复杂性和多变性,要合理评价和预测滑坡的动态发展过程,深入的地质原型调查是基础,地质分析不仅能为其它分析方法的正确使用提供资料,而且能直接对滑坡的变形破坏发展过程作出定性的判断。在此基础上建立力学模型,采用数学力学理论进行定量计算和反演分析,可进一步从本质上去把握滑坡变形破坏的发展规律。本文通过介绍李家峡水电站Ⅱ号滑坡的研究实践,说明了采用定性地质分析与定量力学计算相结合的研究方法揭示滑坡变形破坏动态过程的有效性。     

东北玉米热量指数预测方法研究(Ⅲ)——GM(1,1)预测方法

GM(1,1)是开展时间序列环境要素变化趋势预测的有效方法之一。通过对东北地区玉米热量指数的分析,建立了热量指数时间变化趋势的GM(1,1)预测模型,各模型的平均预测精度虽低于逐步回归统计模型,但也都达91%以上,可以应用该模型的预测结果指导农业生产。     

火灾预测的模糊马尔柯夫模型

火灾发生并不是一个严格马尔柯夫随机过程，而是一个“近似具有马尔柯夫性”的模糊马尔柯夫过程。本文在对我国55年火灾统计资料“相对化”处理的基础上，根据模糊马尔柯夫理论和方法，建立我国火灾相对变动模糊马尔可夫预测模型。根据隶属度最大原则，确定所属状态，进行火灾预测。2005年我国火灾预测值与实际值的相对误差为0．0148，表明模型具有相当高的预测精度。对我国2006年进行预测，得到火灾相对变动状态等级为微降，我国2006年的火灾发生率与2005年相比降低了0～0．1，火灾频数约为212347～235941起，预测结果可为有关部门的决策提供一定的依据。     

集合预报技术在暴雨灾害风险分析中的应用

暴雨是我国夏季多发的一种灾害性天气，每年都造成了不同程度的财产损失和人员伤亡。暴雨预报不仅是气象和水文预报人员所关心的问题，也是广大人民群众和各级领导十分关心的问题。许多重大的政治经济活动事先都必须考虑气象预报的结果，以便做出合理的决策。因此，暴雨等灾害性天气预报不仅仅是一个自然科学问题，也是一个社会科学问题。集合预报技术作为一种新兴的数值天气预报技术，针对数值预报的误差来源，采用合理的扰动原理和扰动方法，构造能沿着模式大气相空间最不稳定的方向快速增长的扰动场与集合预报成员，不仅大大提高了人们对暴雨等灾害性、转折性、突发性、局地性天气过程的认识和预报能力，更进一步将自然科学和社会科学紧密联系，使自然科学更好地解决社会生产生活问题，为各级领导和群众合理安排生产生活活动、抗御暴雨等灾害提供了有力的技术保障。     

暴雨泥石流预报程式

论述了暴雨泥石流预报的４个基本原理,即现象可预报性原理、成困分类组合原理、判别因素简化原理和预报决策依据原理。对泥石流时间预报模型作了分类,提出了通过泥石流活动周期与降水量周期叠加,建立泥石流活动性的长期趋势预测模型;通过泥石流活动年数频次与降水量丰欠等级频次组合,建立泥石流活动年份频次的态势预测模型;根据月或旬雨量确定泥石流发生的阈值关系,建立年内月或旬泥石流发生频次的中期预报模型;由短期天气预     

基于SSA-MGF的偏最小二乘回归神经网络的预报模型

本文采用奇异谱分析（Singular Spectrum Analysis,SSA）方法对原始降水序列重构,并用均生函数（Mean Generating Function, MGF）方法对重构系列构造延拓矩阵,以此作为自变量,原始降水序列作为因变量, 再利用偏最小二乘法提取对因变量影响强的成分作为神经网络的输入因子,原始序列作为输出因子,建立神经网络预测模型.通过对广西全区6月份降水量进行实际建模并与其它方法进行对比预测试验,结果表明,基于SSA-MGF的偏最小二乘回归神经网络预测模型较好,是一种具有较高应用价值的预测方法.