粒子群—神经网络法在广西寒露风日数预报中的应用

• 作者: 周美丽 覃卫坚 谢敏 陆虹 黄志
• 来源期刊: 气象与环境学报
• 学科: 地球科学
• 关键词: 寒露风 粒子群算法 神经网络
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 简报
• 页码范围: 158-162
• 页数: 5页
• 分类号: P429
• 字数: 4446字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-503X.2015.06.022

摘要

利用1951-2013年广西90个气象观测站气温资料、国家气候中心74项指数、美国大气海洋局气候预测中心60项指数资料及1979-2013年美国大气海洋局海温和陆地雪盖资料、美国冰雪数据中心的两极海冰资料,通过相关分析获得广西寒露风日数的影响因子,采用逐步回归和粒子群—神经网络方法建立广西寒露风日数的预测模型,并进行预报检验.结果表明:广西寒露风日数与前1 a的4-10月北极海冰、前1a的9月北半球极涡面积指数等因子相关显著,均通过5％水平的显著性检验.利用筛选的因子进行5a独立样本预报检验,逐步回归方法绝对误差约为6d,相对误差为1.1倍左右,其中F=4时逐步回归预测误差最小;粒子群—神经网络采用24个因子的预报误差最小,5 a平均的绝对误差为4.9d,平均相对误差为76％,预报误差随着采用预报因子数减少而增大.粒子群—神经网络较逐步回归5a预报平均精确度提高了28％,误差降低了1d,预报效果有一定的改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆虹		19	216	9.0	14.0
2	覃卫坚		19	160	8.0	12.0
3	谢敏		13	53	4.0	7.0
4	周美丽		6	32	2.0	5.0
5	黄志		4	10	2.0	3.0