基于粒子群优化-BP神经网络-马尔科夫链的地面能见度观测资料质量控制

自动气象站能见度检测仪多采用光学装置采样,一些雨雪、粉尘等天气因素可能对部分仪器造成镜头污染,导致能见度要素的观测数据不准确。本文针对能见度数据出错率高的问题,通过粒子群算法、BP神经网络,结合马尔科夫链,对地面能见度观测资料进行质量控制。为检验该方法的适用性,本文首先将安徽省不同区域站点的历史能见度数据加入人工误差,然后运用该方法对处理后的数据进行检错率分析。实验结果表明,该方法可以有效地标记出地面能见度观测资料中的存疑数据,具有检错率高、地区和气候适应性强等优点。