时玮域 等
Figure 3. TS score changes at each time on March 2, 2019 图3. 2019年3月2日各时刻TS评分
Figure 4. TS score changes at each time on March 3, 2019 图4. 2019年3月3日各时刻TS评分变化折线图
图2、图3、图4中横轴表示各日期对应的时间。不同折线分别表示在短临预测0.5小时，1小时，2小时，3小时预测范围下对应的关于各时刻的TS评分变化范围。这里TS评分值由预测该时刻是否有雾情况和该时刻实际情况进行计算得到。
由图中折线TS评分值变化情况表明，随着短时邻近时间的增加，模型的TS评分表现在降低，体现的是越是邻近时刻预测越准确。实验结果说明本文研究的基于神经网络的短临大雾模型能够适应于实时气象数据的大雾预测。
5. 结论
本文采用机器学习的神经网络方法进行短临大雾预测研究，神经网络训练采用自适应矩估计的方式对不同短临时刻雾预测样本进行训练，建立神经网络模型。通过TS评分评价模型的性能，表明面对实时环境神经网络能够区分有雾，无雾气象要素数据。进一步表明神经网络模型训练并学习到辽宁省大雾预测的基本规律，并对不同短临时刻可以取得较好的大雾预测结果。
参考文献
[1] 蒋大凯, 闵锦忠, 陈传雷, 等. 辽宁省区域性大雾预报研究[J]. 气象科学, 2007, 27(5): 578-583.
DOI: 10.12677/sea.2020.93021
181
软件工程与应用
时玮域 等
[2] Wilson, J.W., Crook, N.A., Muller, C.K., Sun, J. and Dixon, M. (1998) Nowcasting Thunderstorms: A Status Report.
Bulletin of the American Meteorological Society, 79, 2079-2099.
https://doi.org/10.1175/1520-0477(1998)079<2079:NTASR>2.0.CO;2 [3] Hunt, G.E. (1973) Radiative Properties of Terrestrial Clouds at Visible and Infrared Thermal Wavelengths. Quarterly
Journal of the Royal Meteorological Society, 99, 346-369. https://doi.org/10.1002/qj.49709942013 [4] Bendix, J., Thies, B., Nau?, T. and Cermak, J. (2006) A Feasibility Study of Day-Time Fog and Low Stratus Detection
with TERRA/AQUA-MODI Soverland. Meteorological Applications, 13, 111-125. https://doi.org/10.1017/S1350482706002180 [5] Eyre, J.R., Brownscombe, J.L. and Allam, R.J. (1984) Detection of Fog at Night Using Advanced Resolution Radi-ometer (AVH-RR) Imagery. Meteorology, Magazine, 113, 266-271. [6] Ellrod, G.P. (1995) Advances in the Detection and Analysis of Fog at Night Using GOES Multispectral Infrared Im-agery. Weather and Forecasting, 10, 606-619. https://doi.org/10.1175/1520-0434(1995)010<0606:AITDAA>2.0.CO;2 [7] 孙丽华, 严军峰, 徐健锋. 基于多机器学习竞争策略的短时雷电预报[J]. 计算机应用, 2016, 36(9): 2555-2559. [8] 修媛媛, 韩雷, 冯海磊. 基于机器学习方法的强对流天气识别研究[J]. 电子设计工程, 2016, 24(9): 4-8.
[9] 刘杰, 杨鹏, 吕文生, 等. 基于气象因素的PM2.5质量浓度预测模型[J]. 山东大学学报(工学版), 2015, 45(6):
76-83. [10] Rosenblatt, F. (1988) The Perception: A Probabilistic Model for Information Storage and Organization in the Brain.
Psychological Review, 65, 386-408. https://doi.org/10.1037/h0042519 [11] LeCun, Y., Bottou, L., Bengio, Y. and Haffner, P. (1998) Gradient-Based Learning Applied to Document Recognition.
Proceedings of the IEEE, 86, 2278-2324. https://doi.org/10.1109/5.726791 [12] Hochreiter, S. and Schmidhuber, J. (1997) Long Short-Term Memory. Neural Computation, 9, 1735-1780.
https://doi.org/10.1162/neco.1997.9.8.1735
DOI: 10.12677/sea.2020.93021
182
软件工程与应用
基于神经网络方法的短邻大雾预测
