基于BP神经网络的地基微波辐射计雷暴预报试验研究

摘要

利用上海浦东国际机场地面气象观测站2018—2019年MWP967KV型地基微波辐射计资料、民航气象地面观测数据及宝山站常规探空资料，分析了微波辐射计探测数据的可靠性。在此基础上，计算与雷暴发生相关的大气参数，选取合适的参数作为预报因子，建立了机场雷暴预报的BP（Back Propagation）人工神经网络模型，并对模型的预报效果进行了评估。结果表明：由MWP967KV型地基微波辐射计得到的温度、相对湿度和水汽密度与探空相应数据的平均绝对偏差分别为1.94℃、16.05%、0.82 g·m-3,均方根误差分别为1.41℃、20.14%、1.90 g·m-3,相关系数分别为0.99、0.66、0.85。建立的BPNN模型能够较好地预报雷暴的发生，2、3、6 h预报命中率分别为93.27%、93.33%和89.47%,漏报率分别为6.73%、6.67%和10.53%,空报率分别为4.90%、4.78%和2.86%,临界成功指数分别为89.99%、80.33%和81.18%。该研究在一定程度上实现了雷暴天气的智能预报，能够应用于机场及单站雷暴天气的预报预警。