摘 要:本文选用乌鲁木齐2011和2012年冬季的逐3h的大气能见度和实况气象要素(大气温度、相对湿度、变压和风速)资料,利用支持向量机(svm神经网络预测
)和elman神经网络方法建立3h能见度预报模型。通过检验发现,支持向量机(svm)预测结果相比elman神经网络预测结果更加准确,支持向量机(svm)预测绝对平均误差为2.77km,相对误差为17.3%,为短时能见度预报提供了一种重要参考,同时表明支持向量机的泛化能力具有显著优势。 关键词:短时能见度预报;支持向量机(svm);elman神经网络
中图分类号:p427.2 文献标识码:a
1 前言
雾是由空气中水汽凝结或凝华而形成的,是大气能见度下降的主要原因。中华人民共和国气象行业标准地面气象观测规范第3部分气象能见度的观测上把水平能见度小于10km的叫轻雾,水平能见度小于1km的叫雾。当雾出现时,地面风速一般较小,近地层气层稳定,不利于污染物的扩散、稀释。近几年来随着城市的发展,城市和工厂、汽车排放到空中的污染物 增多,在风力微弱、相对湿度较大、大气层结稳定或有逆温层存在的晴朗夜晚,大量的烟和极细微的粉尘漂浮在城市上空,形成烟尘雾。使得大气能见度进一步减小,大气能见度差对陆、海、空交通运输造成不便,这种影响是显而易见的。雾对人类的危害并非仅仅如此,因而提前向居民提供雾和能见度预报具有重要的实际意义。
目前,乌鲁木齐市还没有大气能见度定量客观预报,对于短时能见度预报开展较少,本文应用svm和elman神经网络方法分别建立乌鲁木齐市3h能见度预报模型,并对预测结果进行检验对比分析,以确定乌鲁木齐冬季能见度预报方法。
2 资料和方法
2.1 资料
乌鲁木齐是新疆维吾尔自治区首府,拥有人口超过330万,是新疆经济、文化、政治中心,也是新疆最大的城市。乌鲁木齐位于天山北麓,准噶尔盆地南端,城市面积大约为339km2,年平均降水量约208mm,年平均气温为5.7℃,年平均相对湿度为57%,最高月平均相对湿度出现在1月,为77%,最低月平均相对湿度出现在7月,为41%。本文资料选
用乌鲁木齐市2012年11月~2013年2月自动站气象要素,其中包括温度、湿度、风速、3h变压和能见度。