利用人工神经网络模型预测西北太平洋热带气旋生成频数

作者：海滢,陈光华

摘要：通过对60年(1950~2009年)北半球夏、秋季(6~10月)热带气旋(TC)频数与春季(3~5月)大尺度环境变量的相关分析,挑选出8个相关性较高的前期预报因子建立人工神经网络(ANN)模型,对2010~2017年8年夏、秋季TC频数进行回报,并将回报结果与传统多元线性回归(MLR)方法所得结果进行对比分析。结果表明,ANN模型对60年历史数据的拟合精度高,相关系数高达0.99,平均绝对误差低至0.77。在8年回报中,ANN模型相关系数为0.80,平均绝对误差为1.97;而MLR模型相关系数仅为0.46,平均绝对误差为3.30。ANN模型在历史数据拟合和回报中的表现都明显优于MLR模型,未来可考虑应用于实际的业务预测中。

发文机构：成都信息工程大学大气科学学院 中国科学院大气物理研究所季风系统研究中心

关键词：人工神经网络热带气旋西北太平洋频数Artificial neural networkTropical cycloneWestern North PacificFrequency

分类号： P458.1[天文地球—大气科学及气象学]