基于聚类天气分型的KNN方法在风预报中的应用

• 作者: 刘迁迁 刘还珠 曾晓青 陈楠 陈豫英 马筛艳 马金仁
• 来源期刊: 应用气象学报
• 学科: 地球科学
• 关键词: 自组织神经网络 聚类天气分型 交叉验证 K最邻近域 日最大风速预报
• 年，卷（期）: 2008,（5）
• 所属期刊栏目: 论著
• 页码范围: 564-572
• 页数: 9页
• 分类号: P4
• 字数: 7038字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-7313.2008.05.007

摘要

以模式识别和相似预报思想为基础,建立基于自组织神经网络(SOM)的聚类天气分型和交叉验证的K最近邻域非参数估计仿真模型(KNN).该模型首先以自组织神经网络技术对西北地区的高空流场和高度场进行聚类分型,针对不同天气形势下的历史样本,通过交叉检验,分别寻求各类天气型下的最佳K组合.为了验证聚类天气分型对KNN方法的影响,使用2003-2006年冬半年T213数值预报产品和宁夏日最大风速资料,同时建立了宁夏冬半年日最大风速≥6 m/s天气分型和未分型的KNN预报模型,并对2007年1-5月进行了预报试验,预报评估结果表明:天气分型后的预报模型总体上降低了预报空报率,提高了预报准确率,特别是某些类天气型,提高幅度更大,为分类相似预报开拓了思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈楠		33	520	16.0	21.0
2	陈豫英		26	528	15.0	22.0
3	曾晓青	兰州大学大气科学学院	6	109	5.0	6.0
4	马金仁		6	222	6.0	6.0
5	刘迁迁		1	29	1.0	1.0
6	马筛艳		15	302	9.0	15.0