交叉熵神经网络及其在闽北大雨以上降水预报中的应用

基于误差平方和最小化准则的BP神经网络(ANN MSE)并不适合解决小概率天气事件的预报问题,引进一种改进的以交叉熵函数为目标函数的神经网络方法(ANN CE),该法是一个三层反向传播神经网络,其输出层只用一个节点.利用2003—2008年的ECMWF预报场资料,把该法用于福建省南平市4—6月部分大雨或以上降水96h预报中,分别用原始因子和PCA降维后的主因子建立了ANN CE预报模型和ANN MSE预报模型,用这些模型对2009—2010年独立样本进行了试报.测试结果显示主因子预报模型TS评分比原始因子预报模型高且漏报次数少,其中,主因子ANN CE预报模型的TS评分和漏报率分别是051和017,其性能是所有模型中最好且最为稳定的,是一种适合于小概率事件预报的方法