多因子方法在雷达降水量估测中的应用

被引：3

作者：

张乐坚

机构：

[1] 中国气象局气象探测中心

来源：

气象科技 | 2012年 / 40卷 / 06期

关键词：

多因子; 人工神经网络; Z-R关系;

D O I：

10.19517/j.1671-6345.2012.06.004

中图分类号：

P415.2 []; P412.13 [湿度、降水和蒸发观测];

学科分类号：

0706 ; 070601 ;

摘要：

使用合肥雷达站2007年7月和广州雷达站2008年5—10月的雷达以及雨量计资料提出了使用雷达反射率因子、水平梯度和垂直积分液态水含量测量降水量的方法(简称多因子方法)。此方法在人工神经网络构架之上隐含地实现了在降水类型识别基础上的降水量测量,并与使用单一Z-R关系测量的降水量进行比较。结果表明:多因子方法和使用Z=300R1.4测量的降水量相比,前者的计算结果与雨量计观测值相比具有较高的相关系数和较低的均方根误差,即前者测量降水量的精度高于后者。

引用

页码：885 / 889

页数：5

共 13 条

[1]

Radar rainfall estimation from vertical reflectivity profile using neural network. Xu G,,Chandrasekar V. IEEE 2001 Int. Geosci Rem Symp, IGARSS 01 . 2001

[2]

The distribution of raindrops withsize. Mashall J S,Palmer W M. Journal of Meteorology . 1948

[3]

An adaptive neural network scheme for radar rainfall estimation from WSR-88D observations. Liu H P,,Chandrasekar V. Journal of Applied Meteorology . 1997

[4] CINRAD-SA/SB零度层亮带识别方法 [J].

张乐坚 ;

程明虎 ;

陶岚 .

应用气象学报, 2010, 21 (02) :171-179

[5] 一种改进的BP算法及在降水预报中的应用 [J].

闵晶晶 ;

孙景荣 ;

刘还珠 ;

王式功 ;

曹晓钟 .

应用气象学报, 2010, 21 (01) :55-62

[6] BP神经网络在多普勒雷达降水量的估测中的应用 [J].

邵月红 ;

张万昌 ;

刘永和 ;

孙成武 ;

傅成玉 .

高原气象 , 2009, (04) :846-853

[7]

多普勒天气雷达原理与业务应用[M]. 气象出版社 , 俞小鼎[等]编著, 2006

[8]

神经网络模型及其MATLAB仿真程序设计[M]. 清华大学出版社 , 周开利,康耀红编著, 2005

[9]

雷达气象学[M]. 气象出版社 , 张培昌等编著, 2001

[10]

NEURAL NETWORKS[P]. COLLINGS NEIL.英国专利:GB2231989B,1993-10-06

← 1 2 →