排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
基于神经网络逐级分类建模的北京地区能见度预报 总被引:6,自引:0,他引:6
在研究了北京市近10年来城市能见度变化特征及低能见度发生的主要影响因素的基础上,利用北京市气象站观测资料筛选出主要的预报因子,使用学习向量量化算法对样本进行分类,再利用列文夸特算法逐级建立预报模型,并进行预报试验.结果表明神经网络逐级分类模型具有良好的预报能力,其关键在于模型的识别分类能力,试验得到分类准确率达到87.0%,采用列文夸特优化算法的逐级分类模型较统计回归预报残差平方和下降了57.1%;低能见度、中等能见度、高能见度预报准确率分别为60.0%,68.2%,79.3%,均高于统计回归预报方法(12.5%,41.7%,52.4%). 相似文献
3.
针对环渤海地区64个台站,应用MOS技术制作了平均风速、最大风速以及大风的96~240 h的中期预报.预报检验结果显示:平均风速和最大风速的中期预报在大多数情况下是可用的,对于大风的灾害性预报的效果较好,但仍有待于进一步提高,需要在预报因子的筛选和多种观测信息的运用方面加以改进. 相似文献
4.
5.
1