论文部分内容阅读
本文分析了重庆市区雾的特点、天气特征及温、湿等气象要素垂直分布特征，利用重庆站的气象观测资料选取适当的诊断因子，采用动态学习率BP算法的人工神经网络对重庆市区能见度进行了拟合和预报检验。结果表明，BP神经网络模型具有较强的自适应学习和非线性映射能力，其检验预报准确率达99％，其中对能见度为0～1 km雾的报出率为83％，TS评分达到69％，平均预报误差为0.384 km。除常规气象要素外，通过M指数、Ri数、凝结核、辐射状况及各种物理量的引入，以及对部分诊断因子网络输入值的技术处理，明显提高了神经网络对雾尤其浓雾的预报能力，其对能见度在0.4 km以下浓雾的预报TS评分可达89.5％。模式结果对重庆市区雾的预报具有良好的参考价值。