论文部分内容阅读
环境气象特种预报的产生和发展是随着气象服务需求的增加应运而生的,预报方法远未定型.以紫外线指数和空气污染指数为例,结合各种算法进行研究,取长补短,使得气象特种预报的预报方案更加完善.多元统计回归分析方法模型比较简单,在理论上也比较严谨,是目前气象系统数值预报分析中最常用的一种方法.回归分析主要是寻找若干变量之间统计关系.在气象中有不少气象要素之间可以近似地存在这种关系,因而可以利用这种方法做出比较符合实际的分析预测.灰色系统理论善于处理"小样本、贫信息、不确定"的问题,灰色预测(这里主要指GM(1,1))模型尤其适合数据序列呈现单调趋势变化的预测情形.灰色预测对波动性较强的序列的预测效果较差,但能给出序列的发展趋势,对于预测有较强波动的数据序列,采用灰色预测与神经网络结合的方法可以提高预测效果.该文通过灰色预测的GM(1,1)模型及改进的无偏GM(1,1)模型、非等时距GM(1,1)模型、pGM(1,1)模型结合人工神经网络模型,提出了有机灰色神经网络预测模型,将一维序列通过其中三个灰色模型得到的三组模拟值作为输入模式,原始序列作为输出模式,训练得到最佳神经网络结构,然后将三个灰色模型的预测值带入神经网络结构仿真,得到最终预测值.文中以哈尔滨市紫外线指数和空气污染指数为例,结合哈尔滨市近三年的紫外线指数和空气污染指数的发展变化规律,对两者分别建立了GM(1,1)灰色预测模型以及逐步回归方程,同时还对空气污染指数建立了有机灰色神经网络预测模型.对结果进行对比分析表明,灰色预测和回归分析对预测紫外线指数均具有较高的预测精度,而前一种方法相对比较简单,需要历史数据少,计算量少,所以它具有很大优势;对空气污染指数建立的预测模型中,有机灰色神经网络预测模拟误差最小,预测精度最高.