共查询到20条相似文献，搜索用时 31 毫秒
1.
GRAPES_TCM模式对影响浙江省热带气旋的降水预报评估 总被引：1，自引：1，他引：0
基于2006-2009年有热带气旋影响浙江省期间气象站(包括自动站)资料及上海台风研究所的GRAPES_TCM模式输出降水资料,应用TS和BS评分方法,对模式在浙江省的热带气旋降水预报能力进行了评估.结果表明模式晴雨准确率和小雨TS评分24 h和36 h预报相对高,48 h开始随预报时效逐渐下降,中雨、大雨和暴雨TS评分随时效变化趋势不明显,而大暴雨TS评分有较大的随机性.漏报是影响小雨和中雨TS评分的主要原因,空、漏报对大雨和暴雨TS评分的影响基本相同,空报是影响大暴雨TS评分的主要原因.相同预报时效的TS评分随降水等级的提高而减小.BS评分发现模式对大雨及以下量级降水预报站次比实际偏少,对暴雨预报相对接近实际出现站次,对70 mm以上的大暴雨模式有过度预报倾向.与宁波市气象台主观预报比较,对晴雨和小雨预报,相同时效的主观预报一般高于客观,主观暴雨预报TS评分比客观预报一般高出30％以上.GRAPES_TCM模式对于影响程度高的TC降水预报能力相对高.20时输出预报与08时相比,对于晴雨和小雨预报,48 h以内差异不大,而60 h和72 h预报准确率,20时明显高于08时.对于中雨及以上等级降水,20时预报TS评分一般比08时好,主要得益于漏报率的降低. 相似文献
2.
以北京市观象台2010年8月、2011年8月每日3次 (08:00, 14:00, 20:00,北京时,下同) L波段探空秒间隔数据为实况,对BJ-RUC系统 (rapid updated cycle system for the Beijing area) 分析和预报边界层性能进行了初步评估。结果表明:BJ-RUC系统对北京地区夏季白天边界层的细致特征具有较好的预报能力,但也存在明显的系统性误差。08:00边界层偏冷; 14:00和20:00 1 km以下的边界层则显著偏暖, 边界层内明显偏湿。整体上模式对边界层内温度、湿度的预报误差均高于自由大气。该系统对北京地区边界层内早晨 (08:00) 从夜间山风向白天谷风环流过渡、午后 (14:00) 到日落后 (20:00)1500 m以下盛行西南偏南气流的日变化特征具有较强的预报能力。系统预报的14:00边界层顶高度与评估时段内实际对流边界层高度的变化趋势一致。但预报的对流边界层顶偏高,这与BJ-RUC系统采用YSU边界层参数化方案的垂直混合更强有关。 相似文献
3.
SCMOC温度精细化指导预报在陕西区域的质量检验 总被引：1，自引：0，他引：1
利用2012年陕西区域99站共366天北京时间08:00和20:00起报的SCMOC温度精细化指导预报与实况资料的比较,检验分析了定时温度、日最高气温和日最低气温的预报质量。结果表明:陕西区域SCMOC温度精细化指导预报08:00起报的准确率高于20:00起报的,且预报准确率有明显的季节变化,夏、秋季节较高,冬、春季节较低,日最高(低)气温的预报准确率与预报时效成反比。地形高度影响温度预报准确率,二者之间的相关系数通过了显著性检验。08:00起报的48h内逐3h气温多出现负误差,20:00起报的多出现正误差。08:00起报的日最高气温和20:00起报的日最高(低)气温多出现负误差,08:00起报的日最低气温多出现正误差。从对典型天气过程的温度预报质量检验来看,强冷空气影响下的降温天气过程的温度预报难度较大,预报准确率较其他天气类型偏低一些。 相似文献
4.
传统BP(back propagation)算法在实际应用中具有网络结构参数和学习训练参数难以确定、泛化能力差、训练学习易陷入局部极小点等问题。该文在传统BP算法的基础上,提出一种改进算法,在训练过程中能自动确定各种参数,并避免陷入局部极小点,提高网络的泛化能力。利用2003—2005年5—9月中国国家气象中心T213的数值预报产品,通过动力诊断得出反映降水的物理量,然后从中挑选出与降水关系较好的25个因子,连同中国国家气象中心T213模式、日本气象厅业务模式和德国气象局业务模式相应的降水量预报结果作为预报因子。采用改进的BP算法建立江淮流域68个站24 h降水(08:00—08:00,北京时)3个等级(降水量≥0.1 mm,降水量≥10 mm,降水量≥25 mm)的预报模型。通过对2006—2007年5—9月68个站试报结果表明:改进BP算法对降水预报的TS评分大大高于传统BP算法,也高于几种模式的降水预报结果,同时,改进算法使降水预报的平均空报率、漏报率明显降低。 相似文献
5.
基于乌鲁木齐区域数值预报业务系统,运用Ts和Bias评分方法,对2012年9月1日—2015年8月31日逐日2个起报时次的逐6 h累积降水量的年与季节预报性能进行检验,并从空间上分析了2015年全疆站点逐6 h累积降水量在4个预报时段的评分特征。结果表明:(1)2个起报时次的降水评分相差较小,00 UTC起报略优于12 UTC起报,2015年系统改进了白天大量级降水的空报现象。(2)系统对晴雨预报较为准确,Bias接近1,空报、漏报率很小;随着降水阈值的升高,Ts评分减小,Bias变幅增大,空、漏报率也随之增加。系统对强降水过程以漏报为主。(3)系统的降水预报能力存在季节差异,夏季Ts评分最高,秋季次之,冬季最小;随时间模式对四季降水预报能力均有提高,降低了冬季大量级降水的漏报率和夏季大量级降水的空报率。(4)在新疆地区,08—14 BT(Beijing Time)、14—20 BT、20—次日02 BT空报站点数多于漏报,14—20 BT空报率最高;在02—08 BT整体呈漏报。(5)各站点整体来看,白天Ts评分高于夜间,山区及邻近地区评分高于平原地区;西天山评分略优于东天山,夜间晴雨预报有天山北坡漏报、南坡空报的趋势。 相似文献
6.
GRAPES模式对湖北省汛期强降水预报的分类检验分析 总被引：1，自引：0，他引：1
使用常规观测资料及GFS资料(1°×1°),选取2005-2008年汛期22次湖北省强降水天气过程,按照其影响系统分为低槽型、台风型和副高外围型三类,对GRAPES模式(2.1版本)预报效果进行分类检验分析,结果表明:(1)就低槽型降水而言,0-24 h预报时效内,模式对晴雨、小雨、大雨的预报效果在三类降水中最好,24～48 h则中雨预报效果最好,0～24 h预报效果总体而言优于24～48 h.模式预报的主要降水区从雨型、雨区范围和雨强的分布特征均与实况较为一致,预报的主要偏差在于强中心位置偏离和强度偏弱.(2)就台风型降水而言,0～24 h预报时效内,模式对中雨和暴雨的预报效果在三类降水中最好,24～48 h,则晴雨、小雨、大雨、暴雨预报效果最好,24～48 h预报效果总体而言优于0～24 h.模式对台风的主体降水落区把握得比较好,和实况较为一致,但对于台风外围云系产生的降水往往与实况差别较大,另外,主体降水中暴雨落区预报总是比实况偏小.(3)副高外围型降水在上述两个预报时次中,各量级的评分成绩均为最低,0～24 h预报效果总体而言优于24～48 h.模式对副高外围局地性强降水过程预报能力较弱,基本不具备预报中雨以上降水的能力.最后对(;RAPES模式的进一步改进提出了一些建议. 相似文献
7.
对2002年9月至2003年6月日本部分雨量图产品,从空漏报率、晴雨预报准确率、技巧水平这三方面进行了预报质量评定(对应武穴站单点),同时分析了其对武穴单点降水的预报能力。结果表明：日本雨量预报图具有较好的晴雨预报能力和一般性降水预报技巧;其分段雨量图对夜间段天气的预报准确性较高,空漏报较少,晴雨预报得分较高;08时12～24h雨量图在控制空漏报率方面性能较好。 相似文献
8.
利用2015年6月1日至8月31日ECMWF集合预报系统(EPS)51个成员的降水预报结果,基于安徽省大别山区12个代表站点1～3 d的逐12 h降水观测资料,采用TS评分、箱须图、泰勒图等方法,研究ECMWF集合预报降水结果在安徽省大别山区降水分级预报中的应用效果。主要结论如下:ECMWF集合降水预报中,08时起报的24 h降水量和20时起报的48 h降水量可参考性较大;降水分级检验中,晴雨预报正确率在70%以上,小雨和中雨的空报率较高,对大雨以上量级的预报能力相对较差;大型降水过程中,暴雨以上量级的预报需关注不同预报时效下降水量预报的变化趋势,个别成员对极端降水的表现也值得关注。 相似文献
9.
本文对中尺度数值预报模式REM的特点和2002年湖南汛期的降水预报试验方案进行了介绍。为了检验其预报效果，分别对整个试验期间(6～8月)和集中降水期(6～7月)这两个时段作了预报结果检验，并与1998年同期作了比较，还与MM5进行了同一时段降水预报效果比较，结果表明该模式在暴雨落区及强度等方面预报效果良好，但还有待进一步完善。 相似文献
10.
11.
利用1998～2002年4～7月间欧洲、日本,2002年5～7月我国数值预报产品进行统计分析,总结出以数值预报产品为主的暴雨预报模式指标。这一模式指标,为日常预报工作中以天气学预报为主转向以数值预报为主奠定良好基础,也为预报员提供客观简捷的预报方法。通过一年的试报探索和一年的实际业务应用,其预报准确率较为理想。 相似文献
12.
利用江西省93个国家气象观测站降水量资料,对2014年ECMWF集合预报降水统计量进行逐6 h和24 h晴雨检验、降水分级检验及区域性暴雨检验。结果表明:1)10%、25%、Mode、融合、最小值在晴雨预报准确率方面较控制预报更有参考价值。2)对于全年降水分级检验,10%、25%、Mode、融合、最小值这5个统计量在小雨的预报方面较控制预报更有参考价值;中位数、概率对中雨的ETS评分要略高于控制预报;90%、75%、概率对大雨预报比控制预报好。对于暴雨预报,最大值、90%、融合比控制预报好;融合、最大值对大暴雨落区的指示意义不大,但对大暴雨量级降水的可能性可以供预报员参考。3)对于区域性暴雨预报,90%、融合、最大值的预报技巧比控制预报高,最大值虽然空报较严重,但对降水量级有一定的指示意义。集合预报各统计量对于强降水过程爆发或发展阶段的预报效果不如降水过程成熟期或末期好。 相似文献
13.
14.
15.
用2005—2006年4—9月准东电网负荷资料和T213预报产品资料,建立日平均有效时间序列数据,对电力负荷与T213主要预报因子的相关性进行了分析,筛选出影响该地区负荷变化的重要预报因子为700 hPa水汽通量、850 hPa水汽通量和降水量,建立日平均电力负荷变化的预报方程。对2007年进行试报,负荷变化趋势与实际一致,但对负荷发生明显波动的预报有时出现偏差,原因是T213对降雨天气预报有误所致。提出改进方案,采用模式与预报员经验相结合,从气象观测要素中再筛选出新的降雨因子,与T213重要预报因子重建预报方程,再次试报结果更接近实况。对2007年4—9月预报误差进行分析得到,计划负荷平均误差为11.5%,T213建模平均误差为8.2%,通过改进后重新建模的平均误差为6.4%。在降雨天气条件下,计划负荷误差22.3%,T213建模误差13.4%,而改进后的预测误差降低到8.9%。 相似文献
16.
17.
基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心（ECMWF）集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。 相似文献
18.
本文介绍在新预报业务流程中预报制作模块进行二次开发的做法,经过对软件编程处理使之更切合市州级气象台预报制作的实际需要. 相似文献
19.
20.
本文介绍在新预报业务流程中预报制作模块进行二次开发的做法，经过对软件编程处理使之更切合市州级气象台预报制作的实际需要。 相似文献