资源描述：
《一种改进的BP算法及在降水预报中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第21卷1期应用气象学报Vol.21,No.12010年2月JOURNALOFAPPLIEDMETEOROLOGICALSCIENCEFebruary2010*一种改进的BP算法及在降水预报中的应用1)2)3)1)2)闵晶晶孙景荣刘还珠王式功曹晓钟1)(兰州大学大气科学学院半干旱气候变化教育部重点实验室,兰州730000)2)(中国气象局培训中心,北京100081)3)(国家气象中心,北京100081)摘要传统BP(backpropagation)算法在实际应用中具有网络结构参数和学习训练参数难以确定、泛化能力差、训练学习易陷
2、入局部极小点等问题。该文在传统BP算法的基础上,提出一种改进算法,在训练过程中能自动确定各种参数,并避免陷入局部极小点,提高网络的泛化能力。利用2003)2005年5)9月中国国家气象中心T213的数值预报产品,通过动力诊断得出反映降水的物理量,然后从中挑选出与降水关系较好的25个因子,连同中国国家气象中心T213模式、日本气象厅业务模式和德国气象局业务模式相应的降水量预报结果作为预报因子。采用改进的BP算法建立江淮流域68个站24h降水(08:00)08:00,北京时)3个等级(降水量 .1mm,降水量10mm,降水量
3、25mm)的预报模型。通过对2006)2007年5)9月68个站试报结果表明:改进BP算法对降水预报的TS评分大大高于传统BP算法,也高于几种模式的降水预报结果,同时,改进算法使降水预报的平均空报率、漏报率明显降低。关键词:人工神经网络;BP算法;改进算法;建模;降水预报特征的气象要素或天气现象(降水)时,具有较大的引言局限性。近年来,一些具有处理非线性问题能力的方法在气象上开始广泛应用,如支持向量机(SVM)[17-20]人工神经网络(ANN)由于其具有自学习、自组和人工神经网络。SVM的性能主要依赖于核织的非线性映射能力,
4、适合于一些信息复杂、知识背函数的选择,在应用中需要人为干预,同时对于大规[21]景不清楚和推理规则不明确问题的建模。20世纪模数据集,训练速度异常缓慢,不适于实时监控,80年代中期开始被应用于如气象资料同化、数值预以及其他参数不易调整等缺陷,使其在应用中具有报产品释用、天气预报、预报质量保证等各个方面,一定的限制。在气候模式、短期气候预测、中短期天气预报、强对BP算法是目前应用最广泛的神经网络方法之流天气和卫星资料处理等领域也得到广泛应一,它具有很强的信息处理能力。然而,在传统BP[1-10]用。算法的应用中存在许多亟待解决的
5、问题,例如,在学近20年来,在数值预报产品提供的大量信息基习算法上,存在收敛速度缓慢、易陷入局部极小等缺础上,预报员根据前期实况观测及其演变所蕴涵的陷;在实际应用中,存在网络结构参数和学习训练参天气动力学特点对数值预报产品进行修正、解释,使数难以确定的问题,这些问题在一定程度上影响了[22-25]之达到人们对气象要素预报的要求。目前基于统计神经网络的推广应用。不少学者已对BP网络理论的相关分析和回归方法在数值预报产品的释用进行了深入研究,并针对上述问题提出了许多改进[11]中仍发挥着重要作用,如模式输出统计方法算法,但都不是普
6、遍适用的。对此,本文提出一种自[12][13-14](MOS)、卡尔曼滤波(KF)、K最近领域动确定各种参数的BP算法,使得在实际应用中不[15-16](KNN)非参数估计技术等,但是这些方法多数需要人为确定任何参数,并能有效解决网络模型泛是基于线性相关的基础上,在处理一些具有非线性化能力差和局部极小等问题。*中国气象局多轨道业务建设项目/精细化气象要素预报业务系统0和国家科技支撑计划项目(2007BAC29B03)共同资助。2008-11-28收到,2009-08-11收到再改稿。56应用气象学报21卷降水是大尺度环流与中小
7、尺度系统相互作用的练参数,一般都没有定量的方法来确定。在实际应综合结果,同时也是本地流场、热力场与当地的地用中,对于网络的结构参数,输入节点和输出节点数形、地貌相结合的产物,正是由于存在这样一系列复目可以根据预报因子和预报对象确定,而隐层和隐杂的物理过程,使降水量具有非线性变化的特点,因节点数目需要通过实验确定;对于网络的学习训练而,定量降水的客观预报比较困难。为了验证改进参数,包括学习速率、训练次数、期望的训练误差等的BP算法的可行性,尝试用改进的BP算法来建立参数,需要根据不同的实际应用,通过实验来确定。降水预报模型,使预
8、报适应于具有非线性变化特点传统BP算法在实际应用中的另一个主要问题的气象要素。试验结果表明,改进的BP算法对降就是在网络模型学习训练的过程中,容易陷入局部水的预报效果相比传统算法有较明显的提高,由于极小点,如图1所示。当BP神经网络陷入局部极小改进方法还具有自优化确定参数的优
