文章摘要

文章信息/Info

摘要:: 为了探索不同的非线性智能计算预报建模方法在冬季低温冷害预报中的应用效果，利用广西区域逐日平均气温和降水资料计算得出的1951-2018年冷湿指数作为预报量。通过计算该预报量与前期再分析资料中的各种物理量相关得出预报因子。首先利用逐步回归方法，从初选的相关预报因子中，客观选出9个预报因子，再对未选入的预报因子作核主成分非线性降维计算，选出方差贡献最大的核主成分因子，作为各预报模型的输入因子。分别采用模糊神经网络方法（FNN）、遗传算法的神经网络集成（GA-ANN）预报方法以及粒子群算法的支持向量机（SVM-PSO）集成预报方法三种不同的智能计算预报建模方法建立预报模型，对2012-2018年的20次低温冷湿天气进行预报对比试验。结果表明，在同样的预报建模样本条件下，模糊神经网络预报模型对20个独立样本预报平均绝对误差最小。进一步的计算还表明，这三种智能计算预报模型均比同样预报建模样本和预报因子的线性回归预报平均绝对误差要小,显示了非线性智能计算预报建模方法，对于具有明显非线性变化特征的冬季低温冷害天气过程，比线性预报方法有更好的预报能力。