[發(fā)明專利]一種基于多重神經(jīng)網(wǎng)絡(luò)逐步逼近法的低能見度預(yù)報方法

在審

• 申請?zhí)枺?/td>: 201810503193.0
• 申請日: 2018-05-23
• 公開（公告）號: CN108734278A
• 公開（公告）日: 2018-11-02
• 發(fā)明（設(shè)計）人: 吳彬貴;李英華;張建春;王亞男;陳靖;王雪蓮;邱曉濱
• 申請（專利權(quán)）人: 天津市氣象科學(xué)研究所
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G01W1/10
• 代理公司: 天津?yàn)I海科緯知識產(chǎn)權(quán)代理有限公司 12211
• 代理人: 劉瑩

1.一種基于多重神經(jīng)網(wǎng)絡(luò)逐步逼近法的低能見度預(yù)報方法，其特征在于：通過選取物理意義清晰的預(yù)報因子，利用氣象資料，結(jié)合神經(jīng)網(wǎng)絡(luò)模型算法，建立低能見度預(yù)報模型。

2.根據(jù)權(quán)利要求1所述的基于多重神經(jīng)網(wǎng)絡(luò)逐步逼近法的低能見度預(yù)報方法，其特征在于：所述氣象資料包括區(qū)域自動氣象站資料和NCEP資料。

3.根據(jù)權(quán)利要求2所述的基于多重神經(jīng)網(wǎng)絡(luò)逐步逼近法的低能見度預(yù)報方法，其特征在于：由于NCEP中近地面資料與區(qū)域自動氣象站資料一致性較差，而低能見度對近地面要素是非常敏感的，近地面的氣象資料采用區(qū)域自動氣象站資料，近地面上方的資料采用NCEP資料。

4.根據(jù)權(quán)利要求3所述的基于多重神經(jīng)網(wǎng)絡(luò)逐步逼近法的低能見度預(yù)報方法，其特征在于，選取預(yù)報因子的具體方法如下：

S1、利用近地面的區(qū)域自動氣象站資料結(jié)合NCEP近地面上方的資料，計算出表征大氣穩(wěn)定度、水汽、氣壓場變化以及動力、熱力作用的多個物理量因子；

S2、將多個物理量因子與對應(yīng)的大氣能見度逐一作單因子相關(guān)分析；

S3、確定與低能見度的相關(guān)系數(shù)超過一定閾值的高影響因子，將高影響因子作為預(yù)報模型的待選因子。

5.根據(jù)權(quán)利要求4所述的基于多重神經(jīng)網(wǎng)絡(luò)逐步逼近法的低能見度預(yù)報方法，其特征在于，所述步驟S3中，高影響因子包括10米南北向風(fēng)速、925與1000hpa位溫差、1000hpa與地面2米位溫差、925hpa南北向風(fēng)速、925hpa位溫、低空k指數(shù)、1000hPa濕度平流、1000hpa溫度露點(diǎn)差、925hpa垂直風(fēng)速、10米風(fēng)速、M指數(shù)、2米溫度露點(diǎn)差、地面24變壓。

6.根據(jù)權(quán)利要求5所述的基于多重神經(jīng)網(wǎng)絡(luò)逐步逼近法的低能見度預(yù)報方法，其特征在于，M指數(shù)和低空K指數(shù)的計算公式如下：M指數(shù)：M＝(2*deltT_1000hpa+(T_1000hpa-T_925hpa))/(deltT_700hpa+deltT_500hpa+1)-rh_地面

低空k指數(shù)：K＝T_地面-T_925hpa+Td_地面-(T-Td)_1000hpa

deltT＝T-Td表示溫度和露點(diǎn)之差，下腳標(biāo)數(shù)字為相應(yīng)氣壓層，rh為相對濕度。

7.根據(jù)權(quán)利要求5所述的基于多重神經(jīng)網(wǎng)絡(luò)逐步逼近法的低能見度預(yù)報方法，其特征在于：采用前向神經(jīng)網(wǎng)絡(luò)方法，用高影響因子進(jìn)一步構(gòu)建能見度與物理量因子之間的定量關(guān)系；

利用不同區(qū)間能見度樣本分別進(jìn)行建模訓(xùn)練，并且采用逐步篩選法綜合判別，最終給出能見度的預(yù)報值。