基于网格化数值天气预报的区域光伏发电多输出功率预测方法

区域光伏的短期功率预测是省级及以上电网调控中心制定发电计划、提高光伏消纳率的重要基础之一。光伏短期功率预测本质上是构建数值天气预报与实际功率之间的映射模型,为了实现预测精度的提升,利用网格化的数值天气预报,采用残差网络建立区域光伏的多输出预测模型,充分挖掘区域光伏所属空间的气象资源分布与各光伏电站功率的关联关系,实现以网格化数值天气预报为输入的区域各光伏电站的功率预测。以实际运行数据进行仿真,结果表明,本文方法在各光伏电站的功率和总功率2个方面的预测结果均优于现有成熟方法。

基于互信息及人工神经网络的降雨-径流预报方法

输入变量空间信息的提取、筛选与输入优化是提高数据驱动水文模型性能的关键环节。为提高数据驱动短期径流预报模型效果,以全国第二届水科学数值模拟创新大赛题目为算例,基于互信息及人工神经网络方法构建降雨-径流水文模型,进行小时尺度径流预报,探讨互信息对人工神经网络模型在降雨-径流预报精度提高上的作用。结果表明,基于互信息及人工神经网络的降雨-径流预报模型模拟精度高,适用性较好,验证期纳什效率系数和相关系数分别为0.94、0.96。互信息方法能够实现径流预报模型的输入优化,避免数据冗余,可为空间信息缺乏流域径流预报因子选择提供新思路。

基于多层全连接神经网络的湖南省流域面雨量预报

研究基于ECMWF、JMA东亚地区再分析资料、OCF、湖南省智能网格预报0.5°格点产品、华南区域数值天气预报模式及华东区域数值天气预报模式产品,利用多层全连接神经网络(MFCNN)构建模型,预测未来24 h、3 h、1 h面雨量数据,采用平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R^(2)),对2020年湖南大型水库流域面雨量MFCNN模型预报效果进行检验评估及与各家模式预报效果对比分析。结果表明:MFCNN模型对24 h、3 h、1 h面雨量的预报效果(MAE、RMSE、R^(2))均优于各模式的效果,且随时间分辨率的提升,模型预测效果相对于各模式提升明显。误差系数表明,MFCNN模型预报偏差在湘江流域及洞庭湖的最小,在沅水中游、资水上游的居中,在澧水流域、资水下游及沅水上、下游的最大。该模型捕捉面雨量动态变化的能力在洞庭湖、澧水上游、沅水中游最强,在湘江流域的次之,在沅水上、下游及资水下游、澧水下游的最弱。

基于长短记忆神经网络的降水预报订正方法研究

数值预报系统是降水预报的现行方法,然而由于初值和数值预报自身的不确定性,使得降水预报存在一定的误差。文章基于自动气象站观测实况数据和数值预报系统预报输出的降水预报产品。通过长短记忆神经网络(LSTM)算法,建立和训练降水订正模型。实验证明,该订正方法对数值预报系统降雨预报值小雨量级结果订正具有重要意义,从而改善降水预报准确性,更好地为气象预报业务提供有力技术支撑。

人工神经网络在海浪数值预报中的应用

探讨将人工神经网络技术和传统的数值模式相结合,以期得到一个更有效的海浪预报方法。以第3代海浪模式的模拟结果作为输入,浮标观测资料作为输出,采用人工神经网络进行训练,训练的初步结果显示,人工神经网络可以改进海浪数值模式的预报精度,但在波高比较大时,改进的效果并不令人满意。为此,对观测值大于1 5m时的有效波高进行再训练,从而结果有了进一步的改善。研究结果证明人工神经网络技术可以提高海浪数值预报的精度。

基于BP神经网络方法的近岸数值海温预报释用技术

为了提高近岸精细化海温预报精度,利用神经网络方法,分析了海温数值预报及观测数据在释用中的作用,研究了定点近岸海温影响因子的最优配置方案,建立了定点海温精细化数值预报释用模型,评估了释用模型性能。误差分析结果显示,数值海温产品及其观测在建模中起到了降低和稳定模型误差的作用;释用模型将定点数值预报的误差从2.2°C减少至0.7°C;预报误差较调训误差略高,但考虑到预报误差的稳定性,数值释用与人工经验预报水平持平,因此,该方法具有十分广阔的拓展空间和应用前景。

模块化模糊神经网络的数值预报产品释用预报研究

综合应用预报量自身时间序列的拓展,数值预报产品和模块化模糊神经网络方法,进行了一种新的数值预报产品释用预报研究。将这种新方法与常规的数值预报产品完全预报(PP)方法进行了对比试验。结果表明,这种模块化模糊神经网络数值预报产品释用预报方法比PP预报方法的预报精度显著提高。并且,通过对预报模型“过拟合”现象的研究发现,这种模块化模糊神经网络的数值预报产品释用预报模型具有很好的泛化性能。

区域降水数值预报产品人工神经网络释用预报研究

利用T213、日本细网格降水预报等数值预报产品,采用人工神经网络方法进行预报释用.通过聚类分析方法对广西自治区测站进行分类,简化预报对象,对数量众多的T213数值预报产品采用自然正交分解（EOF）方法,浓缩大量因子的有效信息,并结合日本降水预报因子建立广西5～6月区域降水量级的逐日人工神经网络预报模型.运用与实际业务预报相同的方法进行逐日预报试验.结果表明,用这种数值预报产品释用方法建立广西3个预报区域的B-P人工神经网络预报模型对中雨以上降水量级预报的TS评分分别为0.55、0.5和0.26,比目前业务预报中参考使用的T213和日本数值预报产品降水预报具有更好的预报效果.

人工神经网络在潮汐数值预报中的应用

潮汐数值预报经过了几十年的发展,但是其预报精度并不能让人十分满意,本文试图将传统的潮汐数值预报模式与近年来发展迅速的人工神经网络相结合并改进潮汐数值预报的精度。文章建立了一个神经网络系统,采用潮汐数值模式的输出结果作为网络输入,潮位观测资料作为输出,用建立的神经网络进行训练,结果表明人工神经网络可以明显地改进潮汐数值预报的精度。

在Transputer网络上实现五层数值预报模式的试验

本文介绍在Transputer网络上并行计算五层数值预报模式的一个方案:用一个Transputer芯片完成一层的计算量,最大限度地缩小层间数据交换,试验结果的令人满意的.

BP神经网络算法在数值预报产品释用中的应用

根据2015年3月份的GTS实测数据及渤海区域内海洋站的实况数据,建立BP神经网络数值预报产品释用模型,在模式数值预报的基础上,进行0-24小时、24-48小时以及48-72小时渤海区域气象要素模拟预测。模式业务试用结果表明,BP神经网络模型具有较强的自适应学习和非线性映射能力,其拟合值与实际值相吻合的较好,预报准确率精度较高。

数值预报产品省级降水预报B—P神经元网络释用系统

引言一切科学都是向客观定量的方向发展，气象科学也不例外。近几年，利用数值预报产品作为解决天气预报客观化、定量化的途径之一，已引起人们的重视。以往的实践也证明，数值产品对于常规的各种天气要素的预报具有一定的参考意义和使用价值。鉴于以上原因，利用数值产品...

MM5数值预报产品图像输出与网络化显示

MM5是应用最为广泛的中尺度数值模式,模式产品的图形化输出是模式应用的重要内容。文章介绍了模式预报产品图像输出的方法,并重点介绍了MM5自带程序RIP对数值预报产品图像输出以及如何使所输出产品的网络化显示及自动更新等技术。

使用人工神经网络改进2022年北京冬奥会数值天气预报后处理过程的算法研究

提出一种基于先进机器学习算法的纯客观、实时天气预报后处理方法。该方法使用历史数值天气预报结果和实况观测值,训练出一个人工神经网络模型,再将该模型应用于每日实时发布的数值天气预报结果中,得到台站级别的天气要素预报结果。于张家口市和北京市分别建立该模型,并使用2005—2020年的观测数据和模式数据进行训练、验证和调优。结果表明,该模型预报的5个常规气象要素的预报误差普遍优于一元线性回归、多元线性回归以及数值天气预报模式的原始输出值,尤其对3天以内的天气预报具有明显优势。基于该模型发展的全自动实时后处理系统已于2020年11月1日开始每日自动化地输出预报结果,并服务于2022年北京冬奥会的气象保障工作。

长江口海水入侵数值预报网络发布系统

文中对利用三维数值模拟技术所建立一个高分辨率的三维盐度数值信息集进行数据挖掘和可视化分析,采用ADOBE公司的RIA技术,针对海水入侵数值预报信息所固有的特性和规律,通过动态可视化技术对数据进行形象化、对其信息赋予智能化,从而展现各信息集的各个数据层面的属性、规律,透过动态视觉效果,进一步反映和揭示了数据信息所映射的时空规律特征。研究的目标是利用Studio 8的核心技术来构建一套海水入侵数值预报动态可视网络发布系统。

日本气象厅数值预报产品释用技术──神经元网络的指导预报

日本气象厅数值预报产品释用技术──神经元网络的指导预报柳野健（日本）１数学原理与解释１．１概况简单地说，ＭＯＳ（模式输出统计法）是线性分析、一次求解；卡曼滤波是线性分析、逐步求解；而阶层型神经元网络则是非线性分析、逐步求解。先来大致看一下阶层型神经元...

神经网络在气象领域中的应用

神经网络一直是气象领域重要的研究方法之一,但是,由于数据的缺乏及相关理论不完善等因素,在实际应用中有诸多局限。近年来,随着数据资料质量的提升及深度学习研究的兴起,研究者们尝试在气象领域应用神经网络的相关方法,提高天气预报的准确性,更加深入地研究天气现象背后的物理规律。本文介绍了应用于气象领域的几种常见的神经网络模型,回顾了近些年来神经网络模型在数值模式后处理、图像特征提取及天气预报三个方面的应用,并提出在以后研究中的几点期望。以目前的研究成果而言,神经网络模型可以在一定程度上弥补数值预报模式的缺陷,但是不能完全取代数值预报模式。因此,需要更加深入地尝试将数值预报模式及神经网络模型相结合,发挥两种方法的优势,共同推动气象行业的发展。

遗传—神经网络集合预报方法在广西热带气旋降水预报中的应用

利用多维尺度分析可以从一系列数据集的相似性信息中发掘其中的潜在结构信息,并通过样本点间的相似度构建相似矩阵,再将相似矩阵映射到低维欧氏距离空间获取新的特征的能力。论文以1980—2015年共36年的广西热带气旋逐日降水量为基础,综合考虑热带气旋降水的数值预报产品物理量预报因子,采用多维尺度分析的预报因子信息数据挖掘技术,以进化计算的遗传算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行遗传—神经网络的广西热带气旋降水集合预报模型研究。遗传—神经网络的集成个体的输入因子是通过选出相关程度较高的数值预报产品的物理量场格点因子,同时网络的输出是通过多维尺度降维方法对初选预报因子群进行合理的降维处理来实现的。通过对2011—2015年影响广西的22个热带气旋共94个独立样本的试验预报的统计结果表明,对于暴雨以上量级的预报,广西89站的预报平均TS评分达到了0.3;同区域同样本的对比分析表明,新预报模型5年的TS评分比欧洲细网格的TS评分提高了15%以上;进一步对大量级的降雨落区的预报对比分析表明,新方案的预报效果比欧洲中心的预报更理想。

基于全场信息的数值预报产品释用方法研究

对于短期气候时间尺度预报来说,短期内尚无有效方法提高数值预报产品精度,建立一种能综合有效利用全场信息的非线性释用方法,通过统计释用提高短期气候的预报准确率,是一条可行的途径。通过CCA-BP法建立的典型因子,可以代表因子场与站点预报要素之间的大部分协方差关系,使因子与站点要素相关性大为提高,进而通过神经网络技术(BPNN)建立非线性预报模型,实现上述目标。以平潭、福州站10月旬平均温度、降水距平百分率预报为例,分别使用CCA-BP—BPNN模型和插值模型对1983—2001年资料建立预报方程,对2002—2005年的试报结果表明:解释预报对数值预报产品做了较大修正,使预报产品具有一定的使用意义及参考价值。从各项评价指标来看,CCA-BP—BPNN模型优于插值模型。该方法为提高短期气候数值预报产品的释用精度提供了一个值得参考的途径。