气候与环境研究

作者：海滢

单位：成都信息工程大学大气科学学院，成都 610225; 中国科学院大气物理研究所季风系统研究中心，北京 100029,,中国科学院大气物理研究所季风系统研究中心，北京 100029,

关键词：人工神经网络;热带气旋;西北太平洋;频数

基金：国家自然科学基金项目 41775063、41475074，国家重点研发计划项目2017YFC1501901

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。

来源：2019年第3期

《气候与环境研究》期刊编辑部

查看气候与环境研究杂志2019年第3期