An attempt is made in this study to forecast the central pressure drop (PD) and maximum sustained wind speed (MSWS) associated with cyclonic systems at the stage of the highest intensity over Arabian Sea using artificial neural network models. The cyclonic systems include the phases from deep depression to extreme severe cyclones. The sea surface temperature, mid-tropospheric relative humidity, surface to middle tropospheric equivalent potential temperature gradient, inverse of wind shear and vertical wind velocity at 200 hPa level are evaluated as the most suitable predictors through principal component analysis. Various neural network models with different architectures have been trained with the data from 1990 to 2012 to select the best forecast model. The prediction skill of the intelligent models is evaluated by different accuracy measures. The results show that the multi-layer perceptron (MLP) model with five input layers, one hidden layer with four nodes and one output layer is the best model for forecasting PD with minimum prediction error of 0.14 at 36 h lead time, whereas the MLP model with five input layers, one hidden layer with five nodes and one output layer is found to be the best model for forecasting MSWS with minimum prediction error of 0.19 at 48 h (h) lead time. The results are well validated with the observations from 2013 to 2018. The forecast skill of MLP model is compared with multiple linear regression model and existing operational and numerical weather prediction models.

本研究尝试使用人工神经网络模型预测阿拉伯海最高强度阶段与气旋系统相关的中心压降（PD）和最大持续风速（MSWS）。气旋系统包括从深陷到极端严重气旋的阶段。通过主成分分析，将海面温度，对流层中层相对湿度，对流层至中层对流层等效势温度梯度，200 hPa水平的风切变率和垂直风速评估为最合适的预测指标。使用1990年至2012年的数据对具有不同架构的各种神经网络模型进行了训练，以选择最佳的预测模型。智能模型的预测技能通过不同的精度度量进行评估。结果表明，具有五个输入层，一个具有四个节点的隐藏层和一个输出层的多层感知器（MLP）模型是预测PD的最佳模型，其在36 h的提前期时的最小预测误差为0.14，而MLP具有五个输入层，一个具有五个节点的隐藏层和一个输出层的模型被认为是预测MSWS的最佳模型，在48 h（h）的提前期时最小预测误差为0.19。2013年至2018年的观察结果很好地验证了结果。将MLP模型的预测技巧与多元线性回归模型以及现有的运行和数值天气预报模型进行了比较。一个隐含层（四个节点和一个输出层）是预测PD的最佳模型，提前期为36 h时最小预测误差为0.14，而MLP模型包含五个输入层，一个隐含层（五个节点和一个输出层）成为预测MSWS的最佳模型，在48 h（h）交货时间时的最小预测误差为0.19。2013年至2018年的观察结果很好地验证了结果。将MLP模型的预测技巧与多元线性回归模型以及现有的运行和数值天气预报模型进行了比较。一个隐含层（四个节点和一个输出层）是预测PD的最佳模型，提前期为36 h时最小预测误差为0.14，而MLP模型包含五个输入层，一个隐含层（五个节点和一个输出层）成为预测MSWS的最佳模型，在48 h（h）交货时间时的最小预测误差为0.19。2013年至2018年的观察结果很好地验证了结果。将MLP模型的预测技巧与多元线性回归模型以及现有的运行和数值天气预报模型进行了比较。