繼"人工智能技術(shù)的熱帶氣旋預(yù)報(bào)綜述（之一）"有關(guān)BP神經(jīng)網(wǎng)絡(luò)和集成方法的熱帶氣旋預(yù)報(bào)研究和業(yè)務(wù)應(yīng)用進(jìn)行詳細(xì)綜述后,本文將進(jìn)一步綜述流形學(xué)習(xí)方法在熱帶氣旋預(yù)報(bào)因子數(shù)據(jù)挖掘中的應(yīng)用,以及各種智能計(jì)算模型,包括粒子群算法、模糊算法、概率算法,及深度學(xué)習(xí)方法在熱帶氣旋預(yù)報(bào)中的應(yīng)用研究成果,并對(duì)今后氣象領(lǐng)域的人工智能發(fā)展進(jìn)行初步設(shè)想探討,以期能為有效提高人工智能方法的氣象災(zāi)害預(yù)報(bào)能力提供有益參考。 

【文章來源】：氣象研究與應(yīng)用. 2020,41(04)

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
引言
1 基于流形學(xué)習(xí)數(shù)據(jù)挖掘的TC路徑、強(qiáng)度預(yù)報(bào)方法
2 基于粒子群算法、模糊算法、概率算法、Bagging算法、多模協(xié)同算法的TC預(yù)報(bào)方法
3 基于條件數(shù)的TC預(yù)報(bào)方法
4 基于支持向量機(jī)的TC預(yù)報(bào)方法研究
5 基于深度學(xué)習(xí)的TC預(yù)報(bào)方法
6 小結(jié)


【參考文獻(xiàn)】：
期刊論文
[1]人工智能的關(guān)鍵技術(shù)及相關(guān)應(yīng)用[J]. 李程怡.  科技創(chuàng)新與應(yīng)用. 2020(12)
[2]基于神經(jīng)網(wǎng)絡(luò)集合預(yù)報(bào)的臺(tái)風(fēng)路徑預(yù)報(bào)優(yōu)化[J]. 周笑天,張豐,杜震洪,劉仁義.  浙江大學(xué)學(xué)報(bào)(理學(xué)版). 2020(02)
[3]局部流形學(xué)習(xí)在SAR目標(biāo)分類中的應(yīng)用[J]. 李鑫,續(xù)婷,胡紅萍,杜敦偉,白艷萍.  現(xiàn)代雷達(dá). 2020(04)
[4]一種面向圖像分類的流形學(xué)習(xí)降維算法[J]. 劉開南,馮新?lián)P,邵超.  計(jì)算機(jī)應(yīng)用與軟件. 2019(08)
[5]基于流形學(xué)習(xí)的光學(xué)遙感圖像分類[J]. 王云艷,羅冷坤,王重陽(yáng).  計(jì)算機(jī)工程與科學(xué). 2019(07)
[6]人工智能在氣象領(lǐng)域的應(yīng)用述評(píng)[J]. 朱玲,吳心玥.  廣東氣象. 2019(01)
[7]深度學(xué)習(xí)原理及應(yīng)用綜述[J]. 付文博,孫濤,梁藉,閆寶偉,范福新.  計(jì)算機(jī)科學(xué). 2018(S1)
[8]預(yù)報(bào)因子選擇的條件數(shù)方法及其在臺(tái)風(fēng)強(qiáng)度預(yù)報(bào)中的應(yīng)用[J]. 農(nóng)吉夫.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2014(23)
[9]基于局部線性嵌入的人工智能臺(tái)風(fēng)強(qiáng)度集合預(yù)報(bào)模型[J]. 黃穎,金龍,黃小燕,史旭明,金健.  氣象. 2014(07)
[10]南海熱帶氣旋強(qiáng)度預(yù)報(bào)的線性模型與非線性模型研究[J]. 林開平,劉春霞,黃穎,陳冰廉,董彥.  熱帶氣象學(xué)報(bào). 2013(06)

碩士論文
[1]基于混合模式集合預(yù)報(bào)的臺(tái)風(fēng)路徑預(yù)報(bào)優(yōu)化方法研究[D]. 周笑天.浙江大學(xué) 2019
[2]基于PSO-BP神經(jīng)網(wǎng)絡(luò)的南海熱帶氣旋預(yù)報(bào)研究[D]. 朱東青.南京師范大學(xué) 2012



本文編號(hào)：3046459