西太平洋副熱帶高壓異常活動特徵診斷與智能預測(精)/國防科技大學建校70周年系列著作
內容大鋼
針對副高異常活動和形態變異機理複雜，對我國長江流域夏季災害性天氣影響較大的事實，首先利用SVD，NLCCA、ANFIS和信息流等人工智慧方法研究副高活動異常與長江中下游地區夏季災害性天氣（如強降水、高溫等）之間的關係。引入信息擴散，熵擴散和粗糙集理論等針對信息不完備的智能演算法，有效地分析各種副高異常活動的不完備信息，並從中發現隱含的特徵，揭示潛在的規律。再運用EOF分解與遺傳演算法等啟髮式蒙特卡羅演算法，改進傳統的自憶性和相空間重構方法，從副高及其東亞夏季風系統的實際觀測資料構建包含季風環流背景等因素更加符合實際天氣情況的副高與東亞夏季風非線性動力模型；在對反演重構的副高動力模型進行了系統深入的分岔、突變等動力特性分析和討論，結合副高異常活動天氣事實，開展副高活動與變異的機理研究，從而達到加深對西太副高變動影響長江中下游地區夏季氣候變動機理的認識；探索副熱帶高壓動力機理分析和其對長江中下游地區災害性天氣影響作用的新思路和新方法。通過研究，為西太副高變動影響長江中下游地區夏季氣候變動機理提供理論依據和技術支持。
作者介紹
洪梅//劉科峰//史劍|責編:王南雁
洪梅，國防科技大學氣象海洋學院海洋科學系副教授、湖南省傑青、軍隊高層次創新人才和謝義炳青年氣象科技獎獲得者、國防科技大學優秀教師，獲軍隊科技進步獎三等獎1項，軍事科學院優秀成果獎三等獎1項。主要研究方向：人工智慧預報、海洋聲學研究、海洋環境風險評估與輔助決策、氣候變化與北極。在這四個領域發表論文60多篇，其中第一和通信作者SCI35篇（其中8篇一區），出版專著7本，獲批發明專利6項，主持國家自然科學基金和省部級項目20項。
目錄
引言
第一篇 副高及其影響因子的診斷分析
第一章 西太平洋副高季節內活動與亞洲夏季風系統的時延相關特徵
1.1 研究資料與特徵指數
1.1.1 研究資料
1.1.2 相關分析及其檢驗
1.1.3 特徵指數
1.2 副高面積指數與夏季風系統成員關聯特徵
1.2.1 2010年夏季副高活動的基本事實
1.2.2 時滯相關分析
1.3 副高脊線指數與夏季風系統的關聯分析
1.4 副高西脊點指數與夏季風系統成員關聯分析
1.5 本章小結
第二章 西太副高及其影響因子的年際變率和年代際變率分析研究
2.1 引言
2.1.1 資料與方法
2.1.2 西太副高年際變率的研究
2.1.3 西太副高影響因子的年際變率研究
2.1.4 西太副高及其影響因子年際變率的相關性分析
2.2 基於信息流方法副高與因子的相關性分析
2.2.1 信息流
2.2.2 副高指數及影響因子的選擇
2.2.3 副高脊線指數與所選因子之間的關係
2.3 本章小結
第三章 西太副高中短期活動的影響因子診斷檢測
3.1 引言
3.2 資料
3.3 診斷檢測方法
3.3.1 逐步回歸與最優子集回歸
3.3.2 經驗正交函數分解
3.4 副高活動的影響因子
3.5 副高面積指數影響因子的時滯分析
3.6 副高脊線指數影響因子的時滯分析
3.7 副高西脊點指數影響因子的時滯分析
3.8 本章小結
第二篇 副高變異案例庫建立及其對長江中下游夏季天氣影響
第四章 西太副高季節內異常活動「案例庫」的建立
4.1 引言
4.2 西太副高季節內異常活動「案例庫」的建立
4.2.1 資料與方法
4.2.2 西太副高季節內異常活動「案例庫」的建立
4.2.3 西太副高及其影響因子的相關性研究
4.3 基於信息擴散理論的西太副高季節內異常的預報模型和診斷模型
4.3.1 資料說明
4.3.2 理論與方法
4.3.3 基於信息擴散理論的預報模型
4.4 本章小結
第五章 基於CCA和BP神經網路的副高活動異常與長江中下游地區夏季強降水的相關性研究
5.1 數據選取、處理及初步觀察
5.2 研究方法與過程
5.2.1 典型關聯分析
5.2.2 BP神經網路
5.3 預報結果分析
5.4 物理和動力學分析解釋
第六章 基於NLCCA方法的西太平洋副熱帶高壓異常對長江中下游地區夏季降雨異常的影響研究
6.1 數據與方法
6.1.1 資料來源和預處理
6.1.2 要素場的EOF分析
6.1.3 非線性典型相關分析
6.2 夏季西太副高位勢場與長江中下游地區降水量的NLCCA分析
6.3 西太副高異常對長江中下游降水影響的物理動力學分析解釋
6.4 基於副高指數非線性逐步回歸對長江中下游降水的預報
6.4.1 預報模型建立
6.4.2 計算結果分析
6.5 本章小結
第七章 基於ANFIS方法的西太副高活動異常與長江中下游地區降水之間的關係
7.1 資料與方法
7.1.1 資料來源
7.2 方法介紹
7.2.1 模糊推理系統
7.2.2 模糊規則
7.2.3 功能組成
7.2.4 ANFIS
7.3 中國長江中下游地區降水特徵
7.3.1 常規特徵
7.3.2 異常情況
7.4 中國長江中下游地區降水與西太副高的關係
7.4.1 西太副高對降水影響分析
7.4.2 ANFIS分析西太副高與華南地區降水關係
7.5 本章小結
第八章 基於WPSH指數相關分析的長江三角洲夏季極端高溫回歸預報
8.1 背景
8.2 資料與方法
8.2.1 資料來源
8.2.2 相關性分析
8.2.3 逐步回歸法
8.2.4 多元線性回歸
8.3 結果與分析
8.3.1 夏季高溫日數與WPSH指數的關係
8.3.2 西太副高指數的多元回歸分析
8.3.3 西太副高指數周期項方差分析
8.3.4 高溫日預報
8.4 本章小結
第三篇 基於人工智慧的副高中長期預測研究
第九章 模糊聚類與遺傳優化的副高診斷預測
9.1 引言
9.2 研究資料與影響因子選擇
9.2.1 研究資料與影響因子
9.2.2 影響因子的聚類選擇
9.2.3 FCM-GA聚類思想和映射分析
9.2.4 基於綜合聚類的副高活動預測
9.3 基於模糊系統的西太平洋副高與東亞夏季風系統的關聯性分析和動力模型反演預報
9.3.1 資料與方法
9.3.2 異常活動年份的副高強度的影響因子檢測分析
9.3.3 異常活動年份的副高及其相關因子的非線性動力模型反演
9.3.4 副高及其相關因子的非線性建模預報實驗
9.4 本章小結
第十章 混合遞階遺傳一徑向基網路副高預報優化
10.1 引言
10.2 徑向基函數網路的數學模型
10.3 RBF網路的混合遞階遺傳優化
10.3.1 混合遞階遺傳演算法
10.3.2 演算法設計與操作
10.4 應用實驗及結果分析
10.4.1 實驗資料
10.4.2 副高面積指數的預報結果
10.4.3 副高脊線指數的預報結果
10.4.4 副高西脊點指數的預報結果
10.5 本章小結
第十一章 LSSVM與Kalman濾波結合的副高預報模型
11.1 引言
11.2 最小二乘支持向量機
11.3 最小二乘支持向量機改進演算法
11.4 卡爾曼濾波
11.4.1 卡爾曼濾波動態預報方程
11.4.2 遞推系統參數的計算方法
11.4.3 最小二乘支持向量機（LSSVM）副高預報模型
11.5 支持向量機-卡爾曼濾波組合優化預報模型
11.6 應用實驗及結果分析
11.6.1 實驗資料
11.6.2 副高面積指數的預報結果
11.6.3 副高脊線指數的預報結果
11.6.4 副高西脊點指數的預報結果
11.7 本章小結
第十二章 小波分解與LSSVM結合的副高指數預測
12.1 引言
12.2 小波分析
12.3 預報建模
12.4 應用實驗及結果分析
12.4.1 實驗資料
12.4.2 副高面積指數的預報結果
12.4.3 副高脊線指數的預報結果
12.4.4 副高西脊點指數的預報結果
12.5 本章小結
第十三章 副熱帶高壓與東亞夏季風特徵指數的動力模型反演
13.1 引言
13.2 動力系統重構原理
13.3 遺傳演算法計算流程
13.4 Lorenz混沌模型重構實驗
13.5 副高與季風指數動力模型反演
13.5.1 研究資料與因子選擇
13.5.2 模型參數反演
13.5.3 模型預報實驗
13.6 本章小結
第十四章 基於改進自憶性原理的西太平洋副熱帶高壓指數預報
14.1 引言
14.2 研究資料和預報因子的選擇
14.2.1 研究資料
14.2.2 副高脊線指數變化
14.2.3 預報因子的選擇
14.3 副高脊線指數動力預報模型反演
14.4 引入自憶性原理對反演模型改進
14.5 針對混沌系統改進的自憶性函數
14.5.1 參數r的確定
14.5.2 參數k的確定
14.6 模型預報實驗
14.6.11 998年副高脊�
[