国家自然科学基金(41065002)
- 作品数：10 被引量：52H指数：5
- 相关作者：赵华生金龙史旭明黄小燕李晓静更多>>
- 相关机构：广西气象减灾研究所广西壮族自治区气候中心广西幼儿师范高等专科学校更多>>
- 发文基金：国家自然科学基金广西青年科学基金广西壮族自治区自然科学基金更多>>
- 相关领域：天文地球自动化与计算机技术农业科学理学更多>>
- 基于局部线性嵌入的人工智能台风强度集合预报模型被引量：10
- 2014年
- 利用局部线性嵌入算法通过学习挖掘高维数据集的内在几何结构,高效地实现维数约简和特征提取的能力,论文以2001—2012年共12年6—9月西北太平洋海域内生成的台风样本为基础,将气候持续因子作为台风强度的基本预报因子,采用局部线性嵌入的特征提取与逐步回归计算相结合的预报因子信息数据挖掘技术,以进化计算的粒子群算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行了分月台风强度预报模型的建模研究。在建模样本、独立预报样本相同的情况下,分别采用人工智能集合预报方法和气候持续法进行预报试验。试验对比结果表明,前者较后者在6、7、8和9月24 h台风强度预报中,平均绝对误差分别下降了23.34%、24.46%、19.41%和27.45%,4个月的平均绝对误差下降了23.10%;48 h台风强度预报中,6—9月平均绝对误差分别下降了44.82%、16.73%、0.89%和49.26%,4个月的平均绝对误差下降了25.54%。进一步研究发现,在变动局部线性嵌入算法忌近邻个数的情况下,建立的台风强度集合预报模型,其预报结果稳定可靠,相对于气候持续法均为正的预报技巧水平,为台风强度客观预报提供了新的预报工具和预报建模方法。
- 黄颖金龙黄小燕史旭明金健
- 关键词：局部线性嵌入台风强度
- 基于KPCA的台风强度神经网络集合预报方法研究被引量：9
- 2013年
- 针对影响台风强度前期预报因子较多以及因子的非线性变化特点,首先采用逐步回归方法筛选出部分预报因子,再利用核主成分分析方法在剩余的预报因子中提取包含了原数据较多信息的核主成分与前期选入的预报因子共同作为模型输入。进一步考虑到神经网络集合预报中个体的准确性和差异性的权衡问题,在不同的初始条件下生成若干组神经网络,分别选择每组中性能最优的个体,建立了一种新的非线性神经网络集合预报模型。最后以西北太平洋海域2001—2010年5—10月的台风强度为研究对象进行了预报试验。结果表明,这种神经网络集合预报模型的预报结果符合实际应用的要求,其预报平均绝对误差明显小于同等条件下的神经网络方法和逐步回归预报方法。
- 史旭明金龙黄小燕
- 关键词：台风强度核主成分分析神经网络
- 西江年最高水位与流域气温和降水变化关系分析
- 2012年
- 利用西江年最高水位及流域气象测站的气温、降雨量资料,运用阶段性分析、M-K检测和交叉谱分析等方法,对西江年最高水位与流域气候变化的关系进行分析。结果表明:西江年最高水位、流域年平均气温和夏季降水量各序列都具有显著的阶段性特征和年代际变化特征,三个序列在1950年之前和1993年之后分别都是显著正距平,而1950—1965年及1980—1991年分别为显著负距平。流域年平均气温序列发生了显著增暖的突变,但西江年最高水位和夏季降水量突变不明显。年最高水位与年平均气温在20～40年、5.0～5.7年和2.4～2.5年周期上,与夏季降水量在10～40年、4.4～5.7年、2.9～3.6年和2.1～2.2年周期上都呈显著的同位相演变趋势。
- 何慧陆虹徐圣璇
- 关键词：年最高水位年平均气温夏季降水量突变检测交叉谱分析
- 基于偏最小二乘法的前汛期月降水量预测方法被引量：7
- 2013年
- 采用偏最小二乘回归建立了前汛期(4—6月)月降水量的预测模型,其中模型的输入因子是通过对3个前期月平均物理量场(海温场、500hPa温度场和200hPa高度场)大量的场相关因子采用系统降维的处理方法获得。为实现同时对多个站点的月降水量预测,将多站点的月降水量预测转换成多站点气候场的主分量预测,进一步利用气候场特征向量的近似不变性进行回算,从而得到多站点的逐站月降水量预测结果。对广西37个基本站的前汛期月降水量进行了6年独立样本检验,其预报结果显示该模型具有较好的预报能力。
- 赵华生金龙
- 关键词：偏最小二乘回归主分量月降水量短期气候预测
- 一种基于PSO-ABC的全局优化算法被引量：1
- 2013年
- 针对粒子群算法和蜂群算法在寻优中存在的一些早熟和收敛速精度不高等问题,论文分别对粒子算法和蜂群算法的更新策略以及更新公式进行了改进,利用改进的粒子群算法和改进的蜂群算法同时对一个粒子位置进行部分算术更新的方法,提出了一种新混合的优化算法.并将其在12个多极值基准函数进行全局最优化测试,实验结果表明,笔者提出的混合优化算法收敛的速度和收敛精度大大提高了,其性大大优于改进的粒子群算法(CLPSO算法)和人工蜂群算法,对于高、低维复杂函数的优化均适用.
- 叶奕茂赵华生金龙
- 关键词：粒子群优化算法蜂群算法群体智能全局最优
- 一种新的简化粒子群优化算法
- 2015年
- 针对粒子群算法在寻优中存在早熟和收敛精度不高等问题,论文对粒子位置的更新策略以及更新公式进行改进,提出了一种新的简化粒子群优化算法(New Simple Particle Swarm Optimization,NSPSO),并将其在15个多极值基准函数进行全局最优化测试,实验结果表明,NSPSO算法收敛的精度大大提高了,而且算法收敛速度也很快,对于高、低维复杂函数的优化均适用.
- 李晓静
- 关键词：粒子群优化算法群体智能全局最优
- 南宁市近40年寒露风演变趋势及对晚稻的影响被引量：16
- 2013年
- 【目的】研究南宁市寒露风的时空分布特征、演变趋势及对晚稻的影响，为南宁市防御寒露风及晚稻生产安排提供参考。【方法】利用1970～2011年南宁市8个地面气象观测站日平均气温资料，应用倾向率分析、滑动t 检验等方法统计分析南宁市寒露风的时空分布特征、演变趋势及对晚稻产量、空秕率的影响。【结果】南宁市东北部寒露风发生频率高于其他地区，进入21世纪后南宁市寒露风总体呈减少的趋势，其中轻度寒露风呈略增加趋势，中度寒露风呈缓慢减弱的趋势，重度寒露风呈明显减弱趋势。南宁市中度、重度寒露风开始日在提前，最近10年提前了3～6 d，而轻度寒露风开始日在推后，最近10年推后了5 d。寒露风日数与整个南宁市的晚稻产量没有非常明显的关系，而晚稻空秕率与寒露风日数呈明显的正相关。【建议】在寒露风发生频率高的南宁市东北部应适当减少晚稻晚熟品种的种植面积，且应选用抗逆性强的晚稻品种种植，以减弱寒露风的影响。针对南宁市中、重度寒露风开始日近10年已提前3～6 d的特点，应做好早晚稻的种植时间安排。对于稻田面积大、劳力紧张的农户， 早、晚稻以早配迟较好， 劳动力充裕的农户则以中配迟较好， 一般不主张迟配迟。
- 王庆国黄增俊黄归兰苏兆达黄智灵
- 关键词：寒露风晚稻产量
- 基于r维正态扩散的区域热带气旋灾害模糊风险分析被引量：9
- 2011年
- 从1980-2008年影响广西的热带气旋灾情资料和地面观测资料中选取23组数据,构造灾情指数序列和致灾源指数序列.通过计算得到超越概率的灾害风险估计值.利用r维正态扩散将单值样本扩散为集值样本以构造原始信息矩阵,借助因素空间理论将其转化为模糊关系矩阵,通过模糊近似推理和模糊集重心的计算,得到以致灾源因子为输入样本近似估计灾情的风险值.然后用距离贴近度和择近原则进一步计算和分析致灾因子和承载体易损性的相关程度.最后,计算了各区域灾害的风险度,同时,给出供决策参考的热带气旋灾害风险度区划图.
- 刘合香徐庆娟
- 关键词：风险分析
- 基于最大方差组合的选择性神经网络集成
- 2014年
- 为进一步提高神经网络集成的泛化能力,提出一种基于最大方差组合的选择性神经网络集成构造方法:首先训练出若干神经网络个体,其次,利用离散人工蜂群算法对这些神经网络个体进行组合优化的全局搜索,选出一个最大方差的个体组合,最后,将具有最大方差的神经网络个体使用简单平均方法进行神经网络集成.将该模型应用与广西东南部的区域降水预报试验,实验结果表明,笔者提出的神经网络集成方法比常用的Bagging集成方法提高了8%以上,能有效地提高神经网络的泛化能力.
- 李晓静赵华生
- 关键词：蜂群算法神经网络集成泛化能力
- 一种蜂群-神经网络集成方法的应用研究被引量：1
- 2012年
- 提出一种蜂群-神经网络集成方法,与一般的神经网络集成方法不同的是:(1)集成个体的生成首先利用蜂群算法优化三层BP神经网络的结构和连接权,并以优化后的网络结构和连接权作为新的神经网络结构和初始连接权,再进行新一轮BP神经网络训练后生成;(2)为提高集成个体间的差异度,首先对个体进行分类,其次利用ABC算法对每一类个体进行最优组合搜索,选取相关系数最低的一个组合的均值作为该类的代表,最后对不同类别的代表作平均集成。在西太平洋热带气旋强度的预测试验中,所提出的蜂群-神经网络集成方法的泛化能力不仅明显优于单个神经网络,也优于Bagging和AdaBoost这两种集成方法。是一种具有较高应用价值的神经网络集成预测方法。
- 齐灿陈凯赵华生赵欢
- 关键词：蜂群算法神经网络集成泛化能力热带气旋强度
