1 浙江师范大学 数理与信息工程学院, 浙江 金华 321004
2 上海市浦东新区气象局, 上海 200135
目前现有的PM2.5模式预报值偏离实况观测值较大。针对上述问题, 从上海浦东气象局获得2012年11月~2013年11月的PM2.5实况观测浓度、PM2.5模式预报(WRF-CHEM)浓度和主要气象影响因子的模式预报数据资料, 在PM2.5模式预报数据的基础上, 加入另外5个主要气象影响因子的模式预报数据, 应用支持向量机(SVM)建立动态预报模型, 提高PM2.5未来一小时浓度预报的精度, 并且与径向基神经网络(RBFNN)、多元线性回归法(MLR)、WRF-CHEM作对比。实验结果表明: 该算法较大提高了PM2.5未来一小时浓度预报的精度, 预报精度优于RBFNN、MLR和WRF-CHEM, 并且对PM2.5浓度变化剧烈的情况具有较好地预报能力。
浓度预报 支持向量机 动态模型 PM2.5 PM2.5 concentration forecast support vector machine dynamic model 红外与激光工程
2017, 46(2): 0226002
1 浙江师范大学数理与信息工程学院，浙江 金华 321004
2 上海市浦东新区气象局，上海 200135
：目前反演台风内核风场时多采用线性回归方法进行建模，针对基于线性回归法的台风内核风速拟合效果较差的缺点，提出一种基于径向基函数神经网络(RBFNN)和偏微分方程(PDE)结合的红外卫星云图有眼台风内核风速和云图灰度建模方法。首先采用基于测地活动轮廓模型的PDE提取有眼台风的眼壁，获得台风眼壁空间位置和亮度数据；然后结合台风年鉴给出的台风近中心最大风速数据基于RBFNN进行有眼台风内核风速和云图灰度建模。实验结果表明：该算法改善了台风内核风速拟合效果，算法性能优于传统的线性回归法。
建模 偏微分方程 径向基函数神经网络 台风云图 model partial differential equations radial basis function neural network typhoon cloud image
