白燕荣 王 娟 李 惠 王晓婷

1．成都信息工程大学 四川 成都 6102251 2延安市宝塔区气象局 陕西 延安 716000

1 引言

互联网、电子科学技术的迅猛发展。信息存储、传感器探测设备等技术不断提高,气象装备日益丰富,气象部门利用现代化的观测设备可以获取高时空分辨率气象数据资料。在大数据时代背景下,基于数值模式的气象预报展现出巨大的发展前景,数据挖掘、深度学习技术也在气象预报中悄然兴起。

2 深度学习在国内外气象预报应用现状

2．1 国外深度学习在气象预报中的应用 20世纪80年代末到90年代初,人工智能在美国、加拿大、英国、法国等国家的天气预报中引起大家的重视。

1986年,Rumelhart等[1]提出了用于人工神经网络的反向传播算法(BP),基于感知机提出用多隐层神经网络(MNN)。MNN使用BP算法训练模型,具有较强的无监督学习能力,可以挖掘隐藏在数据中的复杂模式和规则,学习更加复杂的特征。BP算法和MNN的提出,再度引起人们对人工智能的研究热潮。

2．2 国内深度学习在气象预报中的应用 国内深度学习在气象预报预测方面的研究主要是基于历史气象数据,对各气象要素的独立预报预测和基于对雷达、卫星等图像识别分析,外推短时临近预报。

2．2．1 基于历史气象数据,对各气象要素的独立预报预测 方颖等人[2]利用2015年824个气象站点的气温、相对湿度和风速3套数据,分别构建了气温、相对湿度、风速的广义加性模型(Generalized additive models)GAM和残差自编码器神经网络(简称残差网络)模型,测试结果表明,同GAM相比,残差网络模型预测精度显著提高。……