针对副高异常活动和形态变异机理复杂，对我国长江流域夏季灾害性天气影响较大的事实，首先利用SVD，NLCCA、ANFIS和信息流等人工智能方法研究副高活动异常与长江中下游地区夏季灾害性天气（如强降水、高温等）之间的关系。引入信息扩散，熵扩散和粗糙集理论等针对信息不完备的智能算法，有效地分析各种副高异常活动的不完备信息，并从中发现隐含的特征，揭示潜在的规律。再运用EOF分解与遗传算法等启发式蒙特卡罗算法，改进传统的自忆性和相空间重构方法，从副高及其东亚夏季风系统的实际观测资料构建包含季风环流背景等因素更加符合实际天气情况的副高与东亚夏季风非线性动力模型；在对反演重构的副高动力模型进行了系统深入的分岔、突变等动力特性分析和讨论，结合副高异常活动天气事实，开展副高活动与变异的机理研究，从而达到加深对西太副高变动影响长江中下游地区夏季气候变动机理的认识；探索副热带高压动力机理分析和其对长江中下游地区灾害性天气影响作用的新思路和新方法。通过研究，为西太副高变动影响长江中下游地区夏季气候变动机理提供理论依据和技术支持。

引言
第一篇 副高及其影响因子的诊断分析
第一章 西太平洋副高季节内活动与亚洲夏季风系统的时延相关特征
1.1 研究资料与特征指数
1.1.1 研究资料
1.1.2 相关分析及其检验
1.1.3 特征指数
1.2 副高面积指数与夏季风系统成员关联特征
1.2.1 2010年夏季副高活动的基本事实
1.2.2 时滞相关分析
1.3 副高脊线指数与夏季风系统的关联分析
1.4 副高西脊点指数与夏季风系统成员关联分析
1.5 本章小结
第二章 西太副高及其影响因子的年际变率和年代际变率分析研究
2.1 引言
2.1.1 资料与方法
2.1.2 西太副高年际变率的研究
2.1.3 西太副高影响因子的年际变率研究
2.1.4 西太副高及其影响因子年际变率的相关性分析
2.2 基于信息流方法副高与因子的相关性分析
2.2.1 信息流
2.2.2 副高指数及影响因子的选择
2.2.3 副高脊线指数与所选因子之间的关系
2.3 本章小结
第三章 西太副高中短期活动的影响因子诊断检测
3.1 引言
3.2 资料
3.3 诊断检测方法
3.3.1 逐步回归与最优子集回归
3.3.2 经验正交函数分解
3.4 副高活动的影响因子
3.5 副高面积指数影响因子的时滞分析
3.6 副高脊线指数影响因子的时滞分析
3.7 副高西脊点指数影响因子的时滞分析
3.8 本章小结
第二篇 副高变异案例库建立及其对长江中下游夏季天气影响
第四章 西太副高季节内异常活动“案例库”的建立
4.1 引言
4.2 西太副高季节内异常活动“案例库”的建立
4.2.1 资料与方法
4.2.2 西太副高季节内异常活动“案例库”的建立
4.2.3 西太副高及其影响因子的相关性研究
4.3 基于信息扩散理论的西太副高季节内异常的预报模型和诊断模型
4.3.1 资料说明
4.3.2 理论与方法
4.3.3 基于信息扩散理论的预报模型
4.4 本章小结
第五章 基于CCA和BP神经网络的副高活动异常与长江中下游地区夏季强降水的相关性研究
5.1 数据选取、处理及初步观察
5.2 研究方法与过程
5.2.1 典型关联分析
5.2.2 BP神经网络
5.3 预报结果分析
5.4 物理和动力学分析解释
第六章 基于NLCCA方法的西太平洋副热带高压异常对长江中下游地区夏季降雨异常的影响研究
6.1 数据与方法
6.1.1 资料来源和预处理
6.1.2 要素场的EOF分析
6.1.3 非线性典型相关分析
6.2 夏季西太副高位势场与长江中下游地区降水量的NLCCA分析
6.3 西太副高异常对长江中下游降水影响的物理动力学分析解释
6.4 基于副高指数非线性逐步回归对长江中下游降水的预报
6.4.1 预报模型建立
6.4.2 计算结果分析
6.5 本章小结
第七章 基于ANFIS方法的西太副高活动异常与长江中下游地区降水之间的关系
7.1 资料与方法
7.1.1 资料来源
7.2 方法介绍
7.2.1 模糊推理系统
7.2.2 模糊规则
7.2.3 功能组成
7.2.4 ANFIS
7.3 中国长江中下游地区降水特征
7.3.1 常规特征
7.3.2 异常情况
7.4 中国长江中下游地区降水与西太副高的关系
7.4.1 西太副高对降水影响分析
7.4.2 ANFIS分析西太副高与华南地区降水关系
7.5 本章小结
第八章 基于WPSH指数相关分析的长江三角洲夏季极端高温回归预报
8.1 背景
8.2 资料与方法
8.2.1 资料来源
8.2.2 相关性分析
8.2.3 逐步回归法
8.2.4 多元线性回归
8.3 结果与分析
8.3.1 夏季高温日数与WPSH指数的关系
8.3.2 西太副高指数的多元回归分析
8.3.3 西太副高指数周期项方差分析
8.3.4 高温日预报
8.4 本章小结
第三篇 基于人工智能的副高中长期预测研究
第九章 模糊聚类与遗传优化的副高诊断预测
9.1 引言
9.2 研究资料与影响因子选择
9.2.1 研究资料与影响因子
9.2.2 影响因子的聚类选择
9.2.3 FCM-GA聚类思想和映射分析
9.2.4 基于综合聚类的副高活动预测
9.3 基于模糊系统的西太平洋副高与东亚夏季风系统的关联性分析和动力模型反演预报
9.3.1 资料与方法
9.3.2 异常活动年份的副高强度的影响因子检测分析
9.3.3 异常活动年份的副高及其相关因子的非线性动力模型反演
9.3.4 副高及其相关因子的非线性建模预报实验
9.4 本章小结
第十章 混合递阶遗传一径向基网络副高预报优化
10.1 引言
10.2 径向基函数网络的数学模型
10.3 RBF网络的混合递阶遗传优化
10.3.1 混合递阶遗传算法
10.3.2 算法设计与操作
10.4 应用实验及结果分析
10.4.1 实验资料
10.4.2 副高面积指数的预报结果
10.4.3