简介:将BP(BackPropagation)神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现:BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。
简介:介绍了广州空气质量多模式系统并评估其对2010年9月广州市的气象要素和PM10日均浓度的24h的预报效果。评估结果表明:模式系统较好地预测了气象要素的变化,但高估了风速;各空气质量模式能合理预测广州PM10浓度的时空变化,预报效果均处于可接受范围内(平均分数偏差MFB小于±60%且平均分数误差MFE小于75%),部分模式可达到优秀水平(MFB小于±30%且MFE小于50%),但同时各模式在郊区均预测偏高而在市区偏低;总体上,模式在广州郊区的PM10预报效果优于市区。模式问对比表明,在本次业务预报实践中,不存在最优的单模式,同一模式对不同的统计指标、不同的站点,其预报效果可能存在差异,基于算术平均集成各模式结果未能获得最优的预报效果。优化排放源空间分布并引进更好的集成预报方法(如权重平均、神经网络、多元回归等)是未来改进广州空气质量多模式系统预报效果的可能途径。