基于CCA-BP-BPNN释用模型的太平洋SST预报

摘要

为了有效提高预报精度,将一种基于神经网络并能综合有效利用全场信息的非线性释用技术应用到海洋SST预测上。通过CCA-BP法建立的典型因子,可以代表气象因子场与SST之间的大部分协方差关系,使气象因子与站点要素相关性大为提高,进而通过神经网络技术(BPNN)建立非线性预报模型。利用该模型尝试对热带太平洋表层海温形势(ENSO)进行预报,并建立了该区域逐点海温的预报方案。试报结果表明,该方法对预测春季海温形势有较好的效果,有效预报时效可达1 a以上;对6 a的3月份热带太平洋表层海温预报,平均绝对误差为0.22°C。该方法为海洋SST统计预报提供了一个值得参考的途径。