1、近年來，隨著氣象業(yè)務現(xiàn)代化建設的快速發(fā)展，數(shù)值天氣預報業(yè)務系統(tǒng)的不斷升級，現(xiàn)代通訊水平的不斷提高和完善，氣象工作者可以獲得越來越多的時間和空間分辨率不斷升高的氣象觀測數(shù)據(jù)，信息量十分龐大。相應地，隨著社會的發(fā)展，人類對天氣預報也提出了更高的要求。然而，一般來說，當前預報員作的常規(guī)氣象預報是在數(shù)值預報的基礎上，綜合各種氣象觀測資料，根據(jù)經(jīng)驗，主觀確定短期的天氣預報。數(shù)值預報的要素預報也有很大的系統(tǒng)誤差，因此，在細致的要素預報方面存在比較大

2、的缺陷。 本文研究短期降水分級預報，在分析了傳統(tǒng)的BP神經(jīng)網(wǎng)絡(BPNN)的原理、算法及不足的基礎上，研究了BP神經(jīng)網(wǎng)絡在大氣科學領域的應用情況，針對當前氣象短期預報中，氣象要素預報存在比較大的誤差，提出了采用基于模糊神經(jīng)網(wǎng)絡(Fuzzy Neural Network，F(xiàn)NN)的短期降水分級預報的模型；進一步討論了模糊神經(jīng)網(wǎng)絡的結構、學習算法及步驟；在此基礎上，選擇了華南汛期的夏季短期降水分級預報進行研究，選用了廣州及其周圍韶關

3、、惠州、陽江、云浮4個氣象站的地面常規(guī)觀測資料，經(jīng)過預處理生成預報因子，以其作為網(wǎng)絡模型的輸入，訓練和測試網(wǎng)絡模型，并將測試結果和人工預報方法、數(shù)值預報方法的預報效果進行比較，在有雨預報，特別是大到暴雨的預報上，模糊神經(jīng)網(wǎng)絡模型的預報準確率高于數(shù)值模式的預報結果，并且在預報時間上，模型預報遠遠低于數(shù)值預報；模型預報的準確率低于人工預報，但是在時間上較快，不依賴于預報員的專業(yè)知識和經(jīng)驗，因此基于模糊神經(jīng)網(wǎng)絡的短期降水分級預報模型具有很大的