排序方式： 共有6条查询结果，搜索用时 15 毫秒
1
1.
针对BP算法易陷入局部极小、收敛速度慢等缺点,遗传算法是全局优化算法和具有很强的全局搜索能力,遗传算法优化BP神经网络初始连接权值和阈值形成混合算法。以安徽宣城市为例,将汛期降水量作为预测对象,前期74项大气环流特征量、500 hPa、100 hPa月平均高度场、月平均海平面气压场和月平均海温场资料中选取预测因子,建立汛期降水短期气候预测模型。结果表明,该方法计算稳定,预报误差小,具有实用价值。 相似文献
2.
宣城春烟最佳移栽期天气聚类分析 总被引：1，自引：1，他引：0
利用1981～2010年安徽宣城单站地面气象观测资料和美国NCEP/NCAR全球日平均分析场资料,对宣城春烟最佳移栽期的日平均气温和日平均气压进行聚类分析。结果表明,春烟最佳移栽期出现前压、温曲线交替波动变化,一般气温降到极小值的第2天出现最佳移栽期,气温继续波动性上升,气压反位相变化;少数情况最佳移栽期出现以后温压曲线交替波动变化。最佳移栽期对应的500 hPa日平均温、压场上,西太平洋副热带高压呈东西带状分布,副高北界在20°N附近;中纬度盛行纬向环流,除Ⅲ类、Ⅴ类有明显的槽脊活动以外,其余均不明显;Ⅴ类测站上空有暖温度平流,其余均无温度平流影响。 相似文献
3.
对１９６１～１９９３年３月和４月宣城地区逐日气象资料及历史天气图进行统计分析,结果表明：该地区春播期连续低温阴雨天气年平均０．９次,主要出现在３月下旬,由南北两支冷暖气流在长江中下游交汇而产生。单站气压和水汽压呈现以２０ｄ为周期的变化,在周期为１０ｄ的频段上２要素有十分密切关系 相似文献
4.
遗传算法优化BP网络的汛期降水预测模型 总被引：1，自引：0，他引：1
针对BP算法易陷入局部极小、收敛速度慢等缺点,遗传算法是全局优化算法和具有很强的全局搜索能力,遗传算法优化BP神经网络初始连接权值和阈值形成混合算法.以安徽宣城市为例,将汛期降水量作为预测对象,前期74项大气环流特征量、500 hPa、100 hPa月平均高度场、月平均海平面气压场和月平均海温场资料中选取预测因子,建立汛期降水短期气候预测模型.结果表明,该方法计算稳定,预报误差小,具有实用价值. 相似文献
5.
为了应对气候变化对宣城市农业造成的影响,采用宣城市2012年气象资料、农业灾情资料,统计分析气候变化对宣城市农业的不利影响。结果表明,全市平均年降水量与常年相比偏多7.6%,除宣城为负距平以外,其余各县（市）为正距平。年内除4、6、7月和10月降水量较常年偏少外,其余月份降水量均偏多。入梅、出梅期偏迟,全市平均梅雨量较常年偏少。全市年平均气温正常略偏高,高温日数比常年偏多8天。主要气候事件是2月22日—3月23日全市出现长时间低温阴雨天气,6月27—28日部分地区出现的强降雨和第11号台风“海葵”对宣城市的影响。气象灾害对农业的不利影响大,但粮油的单产、总产比2011年略有增产,气候上属正常偏好年景。 相似文献
6.
粒子群优化的神经网络在夏季降水预测中的应用 总被引：3，自引：3，他引：0
降水短期气候预测是一个非常复杂、重要的研究课题。为了提高其预测能力,拟采用1959—2011年逐月74项大气环流特征量序列、月平均500 hPa高度场和月平均海温场,选取预测因子;用主分量分析方法提取样本数据中主要信息为综合因子。用粒子群优化人工神经网络方法,建立宣城市夏季降水短期气候预测模型。对2007—2011年宣城市夏季降水预报检验结果表明,粒子群优化人工神经网络收敛速度快,迭代次数少;试报平均绝对误差是66.5 mm,绝对值平均相对误差10.5%,预测精度高,具有很好的应用推广前景。 相似文献
1