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     

近50年江苏省夏季高温热浪的时空分布特征分析

根据江苏省1955-2007年7-9月逐日最高气温资料,分别以日最高气温≥35℃的高温天数、持续3d、5d的高温过程、平均最高气温为指标,建立了各站点的高温日数、高温强度的时间序列。分析发现,该省20世纪90年代中后期以来处于一个偏热期,苏州等城市近几年高温次数明显增加,而西南区域南京等城市夏季的最高气温则有下降趋势;同时,运用小波分析方法对该省高温时空分布的周期性进行了分析,结果表明,江苏省年平均最高温度变化中5～6a的周期振荡在各地区中反映得比较明显。     

三种智能计算低温冷害预报模型的对比分析研究

为了探索不同的非线性智能计算预报建模方法在冬季低温冷害预报中的应用效果,利用广西区域逐日平均气温和降水资料计算得出的1951-2018年冷湿指数作为预报量。通过计算该预报量与前期再分析资料中的各种物理量相关得出预报因子。首先利用逐步回归方法,从初选的相关预报因子中,客观选出9个预报因子,再对未选入的预报因子作核主成分非线性降维计算,选出方差贡献最大的核主成分因子,作为各预报模型的输入因子。分别采用模糊神经网络方法(FNN)、遗传算法的神经网络集成(GA-ANN)预报方法以及粒子群算法的支持向量机(SVM-PSO)集成预报方法三种不同的智能计算预报建模方法建立预报模型,对2012-2018年的20次低温冷湿天气进行预报对比试验。结果表明,在同样的预报建模样本条件下,模糊神经网络预报模型对20个独立样本预报平均绝对误差最小。进一步的计算还表明,这三种智能计算预报模型均比同样预报建模样本和预报因子的线性回归预报平均绝对误差要小,显示了非线性智能计算预报建模方法,对于具有明显非线性变化特征的冬季低温冷害天气过程,比线性预报方法有更好的预报能力。     

基于离散型Hopfield神经网络的台风灾情评估模型

台风灾情评估对防台减灾和救灾工作十分重要,为此,提出并建立了一种基于离散型Hopfield神经网络的评估模型。该模型选取5个评估因子,根据广东省台风灾害历史数据,按灾害等级划分原则制定了评估因子5个等级的划分方法,然后将待分级的台风进行Hopfield编码,建立离散型Hopfield神经网络模型,并用实例对模型进行了验证,分析模型的不足,将评估因子的权重因素引入到模型中,使模型更加合理。     

东北地区水稻热量指数预测模型

利用1961-2000年的逐月气温资料,计算了东北地区3省和全区水稻的热量指数.通过对热量指数和大气环流资料的统计分析,建立了6个预测水稻热量指数的预测模型和1个集成模型,各模型都能较好地预测东北地区各省及全区的水稻生长发育期间的热量状况.检验结果表明,所有模型的准确率较高,且稳定性较好.7个模型预测辽宁省、黑龙江省、吉林省和全区水稻热量指数的平均准确率都在90%以上,其中辽宁省的准确率最高,都在97%以上,预测效果最好,黑龙江省的平均准确率最小,但也都在91%以上.从不同类型的模型来看,集成模型的预测效果最好,准确率最高.     

华南台风灾害的风险熵-极限学习机预测模型研究

结合广义模糊熵原理和模糊c均值聚类方法构建华南台风灾害风险熵模型,对华南台风灾害进行风险分析,讨论其分布情况;利用灰色关联分析法,探讨华南台风灾害的灾情因子、致灾源因子分别和灾害风险熵之间的关系以及二者对风险熵的影响程度;建立基于极限学习机的非线性回归模型,以多元线性回归和BP神经网络两种方法作为对照组,进一步探讨风险熵与灾情因子和致灾源因子关系。结果表明,华南台风灾害风险熵值呈正态分布,与灾情因子和致灾源因子的灰色关联度分别为0.716 2和0.794 9,受灾情因子和致灾源因子的影响较大;利用构建的极限学习机模型预测的华南台风灾害风险熵值平均绝对误差为0.059,拟合优度为92.82%,将预测结果与常规的多元线性回归和BP神经网络方法的预测结果进行对比分析,结果表明,用构建的极限学习机模型预测华南台风灾害风险熵值,其性能比常规多元线性回归和BP神经网络方法有明显的改进。     

基于遗传-神经网络的电网流域面雨量预报方法研究

以重点水力发电厂和大中型水库为主要考量,并兼顾地形地貌和中小河流的分布特征,将广西划分为23个电网流域,研究了基于非线性的神经网络电网流域面雨量预报方法。以5-6月龙滩近库区、龙江流域等6个电网流域为例,利用遗传算法优化BP神经网络的连接权和网络结构,建立了各电网流域的遗传-神经网络电网流域面雨量预报模型。对独立样本的预报结果表明,基于遗传-神经网络的电网流域面雨量预报模型的预报能力要优于传统的逐步回归预报模型,也明显优于日本、德国数值模式预报产品所换算成的电网流域面雨量预报,并与气象部门同期制作的综合面雨量预报产品能力相当,因而,遗传-神经网络面雨量集合预报模型有较好的业务应用前景。     

华北农牧交错带极端高温时空分布特征

利用华北农牧交错带及其附近32个气象站点1961-2012年的逐日最高地面气温资料,采用去趋势波动分析法确定了极端高温事件的阈值,分析了华北农牧交错带极端高温日数和极端高温日平均最高气温的时空动态变化特征。结果表明:52a来,华北农牧交错带极端高温主要集中于5-8月,年均极端高温日数为1 d,极端高温日平均最高气温为36.9℃,两者分别从20世纪80和90年代由负距平转为正距平,均存在25~30 a的显著振荡周期;极端高温在空间分布上具有海拔依赖性,极端高温日数有显著的代际变化特征,并以20世纪90年代为界呈现两种不同的分布形态,极端高温日平均最高气温分布相对稳定;21世纪最初的12 a,华北农牧交错带各站点极端高温日数、极端高温日平均最高气温均呈增大的趋势。     

基于入射辐射的森林火险预报模型

将2005-2008年广西635个森林火灾样本分别与FY-2地面入射太阳辐射量和温度日较差值进行了相关分析。结果表明:FY-2地面入射太阳辐射量和温度日较差值两者与森林火灾的发生都具有良好的相关性。确定FY-2地面入射太阳辐射量和温度日较差值在森林火险预报模型中的影响权重系数,并在考虑可燃物类型权重系数的基础上,增加了入射太阳辐射指数,结合日最高温度、日最低相对湿度、日降雨量和日最大风速等因子的影响权重系数,建立了基于入射辐射的森林火险预报模型(简称:IR-3F模型)。利用2009-2012年广西783个森林火灾样本对IR-3F模型进行检验,预报精度达到82%。     

基于粒子群优化神经网络的台风灾情定量评估

准确的台风灾情评估,是做好防灾减灾工作、降低灾情的基础。通过分析台风灾情与致灾因子、孕灾环境和承灾体的相关关系,将时间和GDP引入到评估因子中。针对评估因子和台风灾情之间具有高度不确定的非线性关系,应用神经网络理论进行台风灾情评估,并将基于全局随机优化思想的粒子群优化(PSO)算法对BP神经网络的初始权值进行优化,以改进BP神经网络方法存在的对初始权值敏感、易陷入局部极小点的缺点,从而建立了PSO-BP网络台风灾情定量评估模型。将该模型应用到2007年台风灾情评估中,评估值与实际值基本符合,表明该模型能应用于台风灾情的定量评估。     

基于相关向量机的蒋家沟泥石流平均流速预测模型

泥石流是我国常见的一种地质灾害,泥石流的平均流速是泥石流灾害防治的重要参数之一,准确的预测泥石流平均流速对灾害预防具有重要意义。本文建立基于相关向量机的蒋家沟泥石流平均流速预测模型,通过与蒋家沟泥石流平均流速的支持向量机、BP神经网络模型预测结果对比,验证该模型预测精度;同时采用平均相对误差和均方差2个指标评价各个模型的整体性能和稳定情况。结果表明,与实测值相比,相关向量机预测最大相对误差仅为2.02%,平均相对误差为0.64%,均方差为0.06,远低于BP神经网络模型和支持向量机模型的预测结果。由此可知,本文提出的基于相关向量机的蒋家沟泥石流平均流速预测模型效果明显优于其他2种模型,且预测结果更为准确,模型整体性能和稳定情况较好,为泥石流平均流速获取提供一条新途径。     

BP神经网络模型在地震应急人员伤亡评估中的应用

讨论了利用BP神经网络,对震后的死亡人数进行较为准确的评估,进而指导后续的地震应急工作。选取地震震级、震源深度、震中烈度、抗震设防烈度、震中烈度与抗震设防烈度之差、发震地人口密度和时间(白天、晚上或凌晨)等7项数据作为输入因子,以死亡人数作为输出因子,建立了BP神经网络模型,再以阳江、炉霍、鲁甸和景谷4次地震的该7项数据作为检测因子检测建立的神经网络。可以得出:由网络训练得到的结果与真实的死亡人数相差很小,结果对比比较理想。     

基于结构全寿命设计需求的哈尔滨地区气温统计分析

基于结构全寿命设计对环境作用的需求,对哈尔滨地区1963-2002年的逐日极端温度(逐日最高、最低温度)和温度日较差数据进行了统计分析.运用小波分析工具,处理各季、月平均极端温度序列,从定量的角度分析了哈尔滨地区气温的变化趋势;运用数理统计方法,分析了各月逐日极端温度、温度日较差的概率分布,研究了哈尔滨地区气温的演变规律.研究表明:哈尔滨地区极端气温和温度日较差除夏季外,其余各季气温变化趋势较为相似,极端气温均存在6～8a的主周期,温度日较差存在20a左右的主周期,而夏季极端气温和温度日较差存在26a的主周期;正态分布可以很好地描述该地区各月极端气温的变化,但对温度日较差的拟合效果不佳(数据有一定偏度),后者可用广义极值分布拟合.     

贵州地区导线覆冰的混合凇覆冰模型

针对贵州地区导线覆冰以混合凇为主的情况,根据覆冰物理框架模型以及对主要气象因子的分析,构建了以气温、水汽压、风速等常规气象要素为输入因子的雨凇、雾凇混合覆冰重量预测模型;利用贵州省威宁等8个气象站1951-2008年的导线覆冰和气象资料,分别拟合了模型中对应雾凇和雨凇的效率因子系数的经验函数。模型具有较好的可操作性,历史资料拟合效果比较理想。     

南昌上软下硬地层中盾构施工地表沉降的BP神经网络预测方法

盾构施工引起的地表沉降的影响因素众多,给地表沉降的计算带来较大困难,而BP神经网络能较好地建立各个影响因素与地表沉降的非线性关系。为了能得到较准确的地表沉降值,采用Miscrosoft Visual C#和Matlab编制了BP神经网络预测软件。结合盾构施工过程中影响地表沉降的地层几何条件、地层参数以及施工参数,建立了BP神经网络模型,对盾构施工引起的地表沉降进行预测。将该预测模型应用于南昌地铁工程的上软下硬地层中,同时考虑了该地层掌子面泥质粉砂岩所占的比例,并对预测值与实测值的误差进行了对比分析。最终得到的预测结果与实际沉降值较一致,表明该BP神经网络模型可用于类似的工程实践。     

基于BP神经网络和VSM的台风灾害经济损失评估

统计了对广东省造成直接经济损失的台风数据,包括致灾因子、孕灾环境和承灾体等评估因子,对数据进行无量纲化、归一化处理,作为验证模型的数据集。建立BP神经网络和空间向量模型(VSM)相结合的综合评估模型,利用BP神经网络进行初步预测,基于VSM对预测结果进行修正,从而构建台风灾害经济损失评估模型。将收集的历史台风经济损失数据分为训练和测试集,对模型进行训练和检验。经验证,采用BP神经网络和VSM相结合的台风灾害经济损失评估模型能够有效降低训练数据不足对评估结果的影响,平均误差率由30%降低到14%。     

基于最大熵谱和云模型的巢湖流域降水预测

基于最大熵谱原理和云模型理论,对巢湖流域11个市县1955-2005年汛期的历史降水数据进行分割,并逐一建立对应的降水历史云和趋势云,将二者根据权重叠加形成预测云;通过预测云的正向发生器产生并加权平均得到对应的降水预测值,与神经网络预测的降水值以及2006年实际降水值进行了比较,预测结果明显好于神经网络,更加接近于实际降水值。研究表明该方法对于挖掘短序列时间降水特征,模拟降水随机性与模糊性具有一定的优势,较好地预测了研究区域的降水。     

中国南方塑料大棚气象灾害风险区划

利用中国南方地区15个省市自治区160个气象观测站台1990-2009年的气象资料,综合考虑气温、光照、风速、降水等主要致灾因子,并根据这些数据建立了基于实数编码的加速遗传算法的南方塑料大棚气象灾害的投影寻踪等级评价模型,计算出南方塑料大棚的气象灾害月份和季节的风险等级,并按季节进行了风险区划。结果表明:春季四川盆地地区气温回升较快,有利于设施作物生长,风险最低,重庆、贵州等地由于由于太阳总辐射低,设施作物易受到寡照灾害,风险等级最高;夏季沿海地区暴雨、台风等自然灾害频发,对设施结构有较大影响,有较高的风险;秋季高灾害风险等级分布较少,以低风险为主;冬季以北纬25°为分界线,北部地区气温低、热量条件缺乏,不适宜塑料大棚发展,南部地区则相反,风险低。我国南方秋季西部地区、冬季南部地区及春夏两季的四川盆地地区的气象灾害风险最小,适合塑料大棚的发展,研究结果为我国南方塑料大棚发展的合理布局和气象灾害防御提供参考。     

中国北方冬小麦播种期底墒干旱模型

用统计方法分析了中国北方地区冬小麦播种期0-100cm土壤底墒与当年7-9月的降水量、可能蒸散量,水分盈亏量和年降水量和前一年10月至当年9月降水量、多年平均降水量、径流量以及径流率等8个影响因子的相关关系,建立了计算冬小麦播种期土壤底墒的各单因子统计模型和不同F检验水平下的多因子统计模型,并对各统计模型进行了精度比较。选取其中一个模型,计算了北方冬小麦区94个站点1961-2000年历年冬小麦播种期的土壤底墒值,初步得到了北方冬小麦播种期土壤底墒的变化规律,并为北方冬小麦播种期土壤底墒的计算和预测提供了一个实用的方法。     

震灾经济损失评估的遗传神经网络模型

地震灾害造成的直接经济损失与很多因素有关:致灾因子强度,主要包括地震震级、发震时间及地点、震源深度和地震动输入参数等;受灾体密度,主要包括衡量城市经济和社会发展水平的人口密度、城市密度、建筑物密度和财产密度等;城市抵抗地震灾害的能力.这里选取震级、地震动输入参数、人均国内生产总值GDP、受灾面积和灾区人口密度作为网络的输入节点,用直接经济损失率作为网络的输出节点,建立了基于遗传神经网络的震灾经济损失评估模型,对地震灾害所造成的经济损失进行评估,实例验证了该方法的有效性.