基于神经网络逐级分类建模的北京地区能见度预报

被引：28

作者：

李沛 ^{[1
,2
]}

王式功 ^{[1
]}

尚可政 ^{[1
]}

李邦东 ^{[1
]}

朱海峰 ^{[1
]}

曾淑玲 ^{[1
]}

郝天依 ^{[1
]}

机构：

[1] 兰州大学大气科学学院甘肃省干旱气候变化与减灾重点实验室

[2] 中国人民解放军部队分队

来源：

兰州大学学报(自然科学版) | 2012年 / 48卷 / 03期

关键词：

低能见度; 人工神经网络; 逐级分类建模; 预报; 北京地区;

D O I：

10.13885/j.issn.0455-2059.2012.03.023

中图分类号：

P457.7 [能见度预报];

学科分类号：

摘要：

在研究了北京市近10年来城市能见度变化特征及低能见度发生的主要影响因素的基础上,利用北京市气象站观测资料筛选出主要的预报因子,使用学习向量量化算法对样本进行分类,再利用列文夸特算法逐级建立预报模型,并进行预报试验.结果表明神经网络逐级分类模型具有良好的预报能力,其关键在于模型的识别分类能力,试验得到分类准确率达到87.0%,采用列文夸特优化算法的逐级分类模型较统计回归预报残差平方和下降了57.1%;低能见度、中等能见度、高能见度预报准确率分别为60.0%,68.2%,79.3%,均高于统计回归预报方法(12.5%,41.7%,52.4%).

引用

页码：52 / 57

页数：6

共 14 条

[1] 低能见度浓雾监测、临近预报的实例分析与认识 [J].