利用人工神经网络预测印度西南部夏季季风降雨量

《NATIONAL ACADEMY SCIENCE LETTERS-INDIA》：Forecasting of Southwest Indian Summer Monsoon Rainfall Using Artificial Neural Networks

印度季风降雨预测研究采用人工神经网络与自动编码器技术，基于1961-2018年历史数据，通过滑动窗口和异常值处理，结合十项气候参数及六维海面气压重构，实现预测精度达0.829的相关系数，并开展1991-2019年及36个气象分区的定量分析。

　　

摘要

印度经济深受其农业部门的影响，而农业部门又严重依赖于降雨模式。根据1961年至2018年的历史数据，平均季节性降雨量约为88厘米，变化系数约为10%。降雨量超过这一平均值的110%的年份被视为降雨量过高的年份，而降雨量低于平均值的90%的年份则被归类为干旱年份。传统的季风降水预测方法往往无法为整个国家提供精确的定量分析，这促使人们不断研究以开发更可靠的预测技术。在本文中，我们介绍了一种新的预测方法，该方法利用人工神经网络技术来预测印度西南部的夏季季风降雨（ISMR），并结合了十个气候参数。该方法首先对ISMR数据进行预处理以消除异常值。此外，还采用基于人工神经网络的自动编码器通过堆叠自动编码器来重建输入向量，从而捕捉复杂的数据特征并降低数据维度。为了重建海表面压力（SLP）输入参数，自动编码器识别出六个主要的相关SLP向量，用于机器学习模型的训练和预测，其中使用了16年的滑动窗口。实际观测到的ISMR数据与模型预测的降雨数据之间的相关系数为0.829。对1991年至2019年期间ISMR数据与季节性平均降雨量的百分比偏差进行分析，可以区分出近期降雨量不足、正常和过高的年份。我们对印度历史降雨数据进行了月度统计分析，涵盖了36个气象分区、7个同质区域以及整个国家的情况。