KNN方法在11-3月中国近海测站日最大风速预报中的应用

应用自组织神经网络方法对欧洲中心(ECMWF)2003年1月1日至2006年12月31日逐日数值预报产品分析场进行天气形势分型,发现11—3月影响我国的天气形势基本属于同一类型。对2004—2007年11—3月ECMWF逐日数值预报产品进行动力诊断,提取与中国近海16个测站日最大风速相关较好的预报因子,将改进后的KNN方法作为预报手段,建立11—3月近海测站日最大风速预报模型,并对2007年1—3月16个测站进行逐日检验,结果表明该方法对近海测站日最大风速有较好的预报能力。

基于聚类天气分型的KNN方法在风预报中的应用

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≥6m/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。