發(fā)布時(shí)間：2020-12-14 21:09

　　臺(tái)風(fēng)是世界上最嚴(yán)重的氣象災(zāi)害之一,直接或間接地影響、威脅我國(guó)人民的人身安全和財(cái)產(chǎn)安全。因此,提高臺(tái)風(fēng)路徑預(yù)報(bào)水平并將預(yù)報(bào)方法與業(yè)務(wù)應(yīng)用一體化對(duì)于健全我國(guó)臺(tái)風(fēng)防控機(jī)制、提升氣象災(zāi)害預(yù)警能力有著重要的意義。目前的臺(tái)風(fēng)路徑預(yù)報(bào)方法有氣象學(xué)方法、動(dòng)力學(xué)方法、統(tǒng)計(jì)學(xué)方法等,其中,集合預(yù)報(bào)是一種能夠有效提升準(zhǔn)確率的動(dòng)力隨機(jī)預(yù)報(bào)方法。目前的臺(tái)風(fēng)路徑預(yù)報(bào)方法不夠精確,集合預(yù)報(bào)優(yōu)化研究不夠充分,本文在集合預(yù)報(bào)思想研究的基礎(chǔ)上,探索了神經(jīng)網(wǎng)絡(luò)的多元可擴(kuò)融合模型,提出了一個(gè)高可用、細(xì)粒度并且適應(yīng)臺(tái)風(fēng)預(yù)報(bào)時(shí)效性需求的臺(tái)風(fēng)路徑智能預(yù)報(bào)匯聚方法,并以臺(tái)風(fēng)觀測(cè)和預(yù)報(bào)成果智能化服務(wù)作為需求驅(qū)動(dòng),設(shè)計(jì)臺(tái)風(fēng)混合模式集合預(yù)報(bào)優(yōu)化信息服務(wù)原型系統(tǒng),實(shí)現(xiàn)了“模型-方法-應(yīng)用”一體化高效服務(wù)體系。本文的主要研究?jī)?nèi)容如下:（1）以提高臺(tái)風(fēng)預(yù)報(bào)的精確度和時(shí)效性、充分優(yōu)化集合預(yù)報(bào)方法為目標(biāo),基于站點(diǎn)優(yōu)選策略和因子優(yōu)選策略,設(shè)計(jì)了混合模式下的協(xié)同優(yōu)化方法,實(shí)現(xiàn)了基于優(yōu)選策略的多模協(xié)同優(yōu)化;通過(guò)神經(jīng)網(wǎng)絡(luò)模型參數(shù)的更新和結(jié)構(gòu)的改良,設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)優(yōu)化訓(xùn)練模型,最終形成臺(tái)風(fēng)路徑智能預(yù)報(bào)匯聚方法,創(chuàng)新了集合預(yù)報(bào)優(yōu)化理論體系。（2）基于西北太平洋... 

【文章來(lái)源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．２研究區(qū)域??

圖１．３論文組織與章節(jié)安排??１２??

將合信號(hào)（即是神經(jīng)元的總輸入值）與神經(jīng)元的限定閾值對(duì)比，再通過(guò)激活函數(shù)??產(chǎn)生輸出（Ｍｃｃｕｌｌｏｃｈ?ａｎｄ?Ｐｉｔｔｓ，?１９４３）?〇??激活函數(shù)可以使用如圖２．１所示的階躍函數(shù)，當(dāng)神經(jīng)元興奮時(shí)，對(duì)應(yīng)“１”??值；當(dāng)神經(jīng)元抑制時(shí)，對(duì)應(yīng)“０”值。??＾?ｓｇｎ（ａ：）??１????￣?｜〇?ＩＸ??Ｊ１，ｘ?彡?０；??Ｓｇｌ，｛ｘ）?＝?＼〇，?ｘ＜０．??圖２．１階躍函數(shù)圖線??１６??

【參考文獻(xiàn)】：
期刊論文
[1]不同模式擾動(dòng)方案在風(fēng)暴尺度集合預(yù)報(bào)中的對(duì)比試驗(yàn)研究[J]. 劉暢,閔錦忠,馮宇軒,賁海榮,王世璋.  氣象學(xué)報(bào). 2018(04)
[2]2017年西北太平洋和南海臺(tái)風(fēng)活動(dòng)概述[J]. 王皘,錢(qián)傳海,張玲.  海洋氣象學(xué)報(bào). 2018(02)
[3]2009—2015年ECMWF熱帶氣旋集合預(yù)報(bào)的檢驗(yàn)及分析[J]. 楊國(guó)杰,沙天陽(yáng),程正泉.  氣象. 2018(02)
[4]2016年西北太平洋臺(tái)風(fēng)活動(dòng)特征和預(yù)報(bào)難點(diǎn)分析[J]. 高拴柱,董林,許映龍,錢(qián)奇峰.  氣象. 2018(02)
[5]臺(tái)風(fēng)路徑最優(yōu)集合預(yù)報(bào)技術(shù)研究與開(kāi)發(fā)應(yīng)用[J]. 吳聯(lián)要,錢(qián)浩,趙軍平,沈翊,李嘉鵬.  浙江氣象. 2017(04)
[6]基于集合預(yù)報(bào)和支持向量機(jī)的中期強(qiáng)降雨集成預(yù)報(bào)試驗(yàn)[J]. 黃威,牛若蕓.  氣象. 2017(09)
[7]西北太平洋溫鹽多模式集合預(yù)報(bào)[J]. 田志光,吳寶勤.  海洋測(cè)繪. 2017(04)
[8]臺(tái)風(fēng)路徑集合化預(yù)報(bào)方法的優(yōu)化[J]. 袁杰穎,陳永平,潘毅,董家根,羅俐雅.  海洋預(yù)報(bào). 2017(02)
[9]AMSR2輻射率資料同化對(duì)臺(tái)風(fēng)“山神”分析和預(yù)報(bào)的影響研究[J]. 楊春,閔錦忠,劉志權(quán).  大氣科學(xué). 2017(02)
[10]2015年西北太平洋和南海臺(tái)風(fēng)活動(dòng)特征及主要預(yù)報(bào)技術(shù)難點(diǎn)[J]. 許映龍,黃奕武.  海洋氣象學(xué)報(bào). 2017(01)



本文編號(hào)：2917022