（山西省大同市气象局 山西大同 037010）
摘要：利用2008年1月1日至2012年12月31日逐日NCEP再分析资料（1×10）和大同地区地面常规观测资料，选取相邻两天的气象因子差值作为预报因子，相邻两天的日最高/最低气温的差值作为目标因子，分站点分月构建三层结构的日最高/最低BP神经网络模型，并应用独立样本进行模型检验，结果表明，该模型输出结果与实况拟合较好，且其对明显的升降温过程能够准确预报。在对ECMWF数值预报产品释用基础上，针对大同站2012年1月最高气温进行了24h、48h和72h模拟预测，结果显示，该BP神经网络预报模型各时效预报准确率TS评分均高于中央气象台MOS预报。
关键词：BP神经网络；气温；大同；数值预报产品释用
1 资料选取
选取2008年1月1日至2012年12月31日逐日NCEP再分析资料（1×10）和大同市8个台站地面常规观测资料。对NCEP再分析资料选用离台站最近的850hpa格点气温值和1000hpa格点气压值；对地面常规观测资料选用台站自记10m高度风速、总云量以及日最高/最低气温等气象要素。为了对网络进行训练及验证，将2008-2011年的数据作为训练样本，2012年的数据作为独立检验样本。
2 BP神经网络预报模型的建立
2.1 输入输出数据的归一化处理
为取消训练样本集中各维数据间数量级差别，避免因为输入输出数据数量级差别较大而造成网络预测误差较大，通常在训练神经网络之前对训练样本集进行归一化处理。归一化是归纳统一样本的统计分布性，可以简化计算，缩小量值，加快网络收敛。为保证建立的模型具有一定的外推能力，本文采用式（1）对训练样本集进行[0.1,0.9]之间的归一化。
P表示归一化前的输入数据，表示矩阵P的最小值，表示矩阵P的最大值，X表示归一化后的矩阵。
2.2 神经网络预报模型的建立
为避免季节不同预报因子对气温影响也不同，采取分月分站点分别建立神经网络模型。
对任意在闭区间内的一个连续函数，都可以用含有三层的BP网络来逼近，也就是说一个三层的BP网络可以完成任意精度的m维到n维的近似映照。因此，本文采用三层的BP神经网络模型，网络学习算法采用共轭梯度法trainscg，网络的激活函数使用简单的Sigmoid函数：。将由前面几节介绍的方法处理好的2008-2011年的样本作为训练样本，2012年的样本作为独立检验样本，采用不同的神经网络拓扑结构进行反复试验，以使神经网络模型在训练效果与检验效果间取得最优平衡，这样，可在保证模型具有足够收敛精度的同时，又确保其具有相应的泛化性能。以大同站1月份训练得到的BP网络模型为例，最后确定采用含有7个隐层节点的神经网络拓扑结构，其输入层、隐层、输出层的节点数分别为5，7，1，学习率为0.05，收敛误差取0.001。
3 预报模型检验分析及运用
3.1预报模型检验分析
选取2012年样本集（独立样本集）对大同地区各台站分月BP神经网络预报模型进行模拟检验，以大同站2012年1-12月最高/最低气温BP神经网络预报模型模拟检验结果为例进行分析。
气温预报准确率Ts计算公式：
其中，NA为预报正确的站次数，即预报值与实况值的误差在±21之间的天数；NB为预报错误的站次数，即预报值与实况值的绝对误差大于的天数。
BP神经网络预报模型对最高、最低气温预报准确率（Ts评分）达到较高的水平，最高气温平均Ts达到0.894，最低气温平均达到0.804。其中，各月最高气温均优于最低气温，最高气温冬季优于夏季，最低气温夏季优于冬季。
BP神经网络预报模型输出结果与实况拟合较好，与实况的升降温趋势基本一致，特别是对明显的升降温过程能够准确预报。预报误差大部分集中在[-1.5,1.5]之间，平均绝对误差为0.921。
3.2 预报模型运用
在对ECMWF数值预报产品释用基础上，使用大同市8个站点分月BP神经网络预报模型对2012年1月日最高、最低气温进行了24h、48h和72h预测试用。并将试用结果与中央气象台MOS预报结果进行了对比分析。
在使用预报模型预报日最高气温时要对前一天20点的气温进行预估，然后再与模型计算出的当天日最高气温进行比较，如果前者的值大于后者的值，那么取前者的值作为当天日最高气温。同理，日最低气温也是如此。
第一，BP神经网络模型各时效预报准确率Ts均保持较高水平，且各项均高于中央气象台MOS预报准确率，因此，该模型可在业务预报中直接应用；第二，随着时效的增长预报准确率降低，这是因为数值预报产品随着时效的增长其准确率也降低的缘故，也就是说，随着数值预报产品准确率的提高，该模型的准确率也相应提高；第三，最高气温准确率高于最低气温准确率，这是因为大同地区最低气温受风的扰动影响较大，虽然选取了影响最低气温时段内的平均风速作为预报因子，但是该因子未能真实反映风对最低气温的影响。
参考文献：
[1]马学款，普布次仁，唐叔乙，等. 人工神经网络在西藏中短期温度预报中的应用[J]. 高原气象，2007，26（3）：491-495.
[2]钱莉，兰晓波，杨永龙. 最优子集神经网络在武威气温客观预报中的应用[J]. 气象，2010，36（5）：102-107.
作者简介：刘洁莉（1983-），女，汉族，广西北流市人，研究生，工程师，从事短期天气预报及应用方法研究工作。
论文作者:刘洁莉,杨淑华,魏勇
论文发表刊物:《科技研究》2019年5期
论文发表时间:2019/7/23
标签：神经网络论文; 模型论文; 气温论文; 样本论文; 准确率论文; 最低气温论文; 大同市论文; 《科技研究》2019年5期论文;