主分量分析在热带气旋强度客观预报中的试用  

A study of application of principal components analysis to objective prediction of northwest Pacific tropical cyclone intensity

作　　者：王耀领[1] 胡邦辉[1] 杨玉震[2] 王学忠[1] 徐志春[3] 

机构地区：[1]解放军理工大学气象学院 [2]中国人民解放军61714部队 [3]中国人民解放军96215部队

出　　处：《气象科学》2010年第2期179-184,共6页Journal of the Meteorological Sciences

基　　金：国家自然科学基金项目(40730953;40425009)

摘　　要：为了解主分量因子分析在热带气旋强度客观预报中的应用效能,在NCEP再分析资料、T106L19模式产品和热带气旋历史观测资料基础上,采用主分量因子分析技术,结合多元线性回归和BP型人工神经网络,开展了西北太平洋热带气旋的强度客观预报技术研究试验。试验包含完全预报法原理下的预报因子有无主分量分析、线性与非线性预报方法建模等方面的比较。结果表明,预报因子的主分量分析通过降低线性回归和BP人工神经网络模型的维数,提高因子间独立性,可减小模型强度预报平均绝对误差,提高模型实际预报能力。In order to evaluate the potential efficiency of principal components analysis （PCA） in tropical cyclone （TC） intensity objective forecasting, based on NCEP reanalysis data, T106L19 model forecasting data and CMA historical tropical cyclone observation data, the PCA efficiency are investigated through multiple linear regression and back propagation （BP） neural network focusing on the northwestern Pacific Ocean TC intensity objective prediction technology. This research includes perfect prognostic theory guided factor analysis with and without PCA consideration dimension reduction, linear and nonlinear modeling. Result shows that factor analysis with PCA consideration reduces the models dimension of linear regression and BP network, and improves each factor＇s independency. Thus the method lessens average absolute error of TC intensity, and increases the capability of TC intensity objective prediction.

关 键 词：热带气旋 强度预报 主分量分析 BP型神经网络 

分 类 号：P457.8[天文地球—大气科学及气象学]