基于径向基函数神经网络温度预报订正方法及评估

作者：张亚刚; 杨银; 张成军^*; 纪晓玲; 杨文军; 毛璐

来源：热带气象学报, 2021, 37(01): 136-144.

DOI：10.16032/j.issn.1004-4965.2021.013

• 径向基
• 神经网络
• 最高温度
• 最低温度

根据中央气象台自2017年10月—2018年9月20:00起报未来72 h 0.05°×0.05°分辨率格点日最高、最低温度指导预报和国家气象信息中心格点温度实况,应用Matlab神经网络工具箱提供的newrbe函数,建立基于径向基函数(RBF)神经网络的温度预报模型,对2018年10月—2019年9月RBF预报产品进行格点检验评估,并与同期的EC模式预报产品做了对比。结果表明:(1)通过RBF模型订正后的24 h、48 h和72 h日最高和最低温度预报准确率较中央气象台指导预报(NMC)分别提高了7.21%、6.98%、5.48%和5.67%、4.46%、4.47%,均为正技巧,且春、夏、秋季预报订正效果要好于冬季;(2)分区域预报检验来看,除海源、同心、彭阳的最高温度预报和海源、惠农的最低温度预报误差偏较大外,其他区域的误差基本都小于2℃。特别是对强降温、霜冻天气的温度预报准确率高于NMC,对预报员有一定的参考价值。