應用遺傳演算法/類神經網路於臺灣地區天氣預報

Abstract

目前中央氣象局乃採用以逐步廻歸(SR)為基礎的模式輸出統計（MOS）作為天氣預報主要輔助業務預報工具之用。此類線性模式因預報因子的共線性問題而使得預報技術無法達到完善，為了改進MOS預報系統的缺點，本文引入非線性統計模式，類神經網路模式（BP）和混合遺傳演算法/類神經網路模式(GABP)。 本文使用此三種模式於全球分析場資料進行台灣測站日最高溫度、最低溫度及分區降水的預報實驗。以1995年至1999年為模式訓練期來建立模式，以2000年至2004年為測試期來進行模式驗證。以預測值和觀測值之相關係數及平均絕對誤差為評估指標。本文首先分析作為比較基準的SR模式模擬預報的結果。再和BP及GABP的模擬預報結果做比較。 SR模擬預報實驗的結果顯示直接選用台灣附近網格點上的預報因子資料讓SR有最佳的預報技術。SR篩選出來的預報因子也作為BP和GABP模式的輸入。以三種模式模擬預報實驗的結果顯示在訓練期BP可能在大部分情況較其他兩種模式有較高的技術，但是結果並不穩定。在測試期則以GABP有最高而穩定的預報。顯示GABP可有效解決SR和BP的缺點，具有進一步發展，作為業務預報模式之潛力。 本文另探討相關分析、顯著性及逐步廻歸選取預報因子的部分，顯示逐步廻歸所選取的預報因子和以相關分析顯示具有顯著相關的變數分佈有所差異。逐步廻歸所得到預報因子比相關分析中具顯著性變數的個數少。相關分析中具有顯著相關的變數並沒有完全挑選進入預報模式，甚或逐步廻歸會挑選不具相關顯著性的變數進入模式，顯示預報因子並非完全獨立。