基于RBF神经网络模型进行雷暴预测技术研究
摘要
人工神经网络的研究始于20世纪40年代,以美国加州理工学院生物物理学家Hopfiled教授1982年发表论文为标志,掀起了神经网络的研究高潮,以模拟人类大脑结构和思维方式为基础的人工网络技术在全世界开始迅速发展起来.气象学者们也利用神经网络在众多科学领域取得的广泛应用和大量研究成果,开始尝试将其应用到气象研究中去.在国外,较早开展气象预报神经网络应用研究的是美国的Neural Ware公司,该公司于1987年开发了人工神经网络晴雨预报系统.在强对流天气预报方面,Dohald W McCANN采用前馈网络最早进行了强雷暴事件的预报,Agostino Manzato利用探空资料以及闪电定位资料对神经网络进行了训练,并对雷暴的发生以及闪电的密度进行了预报.1990年以来,国内的气象学家页开始利用神经网络进行汛期降水、旱涝、台风频数等方面的研究.作为一种预报模型,人工神经网络在气象预报方面的应用已经渐渐趋向成熟,尤其在非线性问题的处理上显示出了较强的能力.雷暴产生的机制相当复杂,其发生也具有很强的非线性特征.在国内,雷暴预报系统普遍采取多元统计回归的方法,这种方法不可避免的问题就是雷暴发生的非线性与线性回归预报之间的矛盾,而多层神经网络正好能很好的解决非线性的问题.本文尝试利用探空地闪资料,采用RBF神经网络建立雷暴预测模型,并以Matlab为平台进行了实例应用研究.