共查询到20条相似文献，搜索用时 51 毫秒
1.
《干旱气象》2018,(5)
利用G30连霍高速甘肃段沿线麦积山隧道、乌鞘岭交通气象监测站的路面温度、气温、露点温度、相对湿度、风速、降水等逐时资料,统计分析了两站不同季节、不同海拔高度下路面温度与气温的差异与联系,讨论了路面温度与其他气象因子的相关关系,基于逐步线性回归方法建立路面温度统计模型,并对模型预报效果进行检验。结果表明:各个季节,甘肃山区高速公路路面温度和气温都是日出后快速升高,日落后逐渐下降,且路面温度的升、降幅度均快于气温。较低海拔站点的路面温度高于高海拔站点,但最高值出现时间、两站温差有所差异。其中,秋、冬季两站路面温差夜间大于白天,而春、夏季则昼夜相差不大。最低、最高路面温度统计模型的预报结果与实况变化趋势接近,但最高路面温度个别日期预报值与观测值偏差较大,在实际业务中应考虑各种实时气象条件及地形条件,对模型结果进行适当订正。 相似文献
2.
基于遗传优化BP神经网络的水稻气象产量预报模型 总被引：9，自引：4，他引：5
利用1951—2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料,采用因子膨化及相关分析,研究了水稻气象产量的影响因子及影响时段。在此基础上建立了逐步回归、PCA-BP神经网络以及PCA-GA-BP神经网络3种产量预报模型。结果表明:(1)7—9月份是水稻产量形成的关键时期,对气温、降水的变化最为敏感,气温对气象产量的影响大于降水;(2)两种神经网络模型预报效果好于回归模型;(3)遗传优化的神经网络模型比未优化模型的训练速度提高了70%左右,预报精度也提高了4.3%。 相似文献
3.
选取1990~1999年贵州省3个国家基准站（威宁、贵阳、三穗）气象观测数据,评估了逼近法在贵州不同海拔地区计算湿球温度的效果,对比了BP（Back Propagation）神经网络模型和逼近法在计算湿球温度方面的优劣。结果表明:（1）3站逼近法计算值与观测值之间平均绝对误差分别为0.059℃、0.046℃、0.042℃,误差<0.1℃的数据比例为83.91%、91.52%、92.76%;当气温低于0℃时,误差>0.2℃的频率呈增长趋势,其原因可能是逼近法中对结冰的判别和实际情况存在差异导致高海拔地区的计算效果差于低海拔地区。（2）3站BP神经网络模型计算精度比逼近法分别提高60.71%、57.45%、57.78%,误差<0.1℃的数据比例提高到97.38%、97.18%、97.44%,有效地解决了高海拔地区气温低于0℃频率较高而导致逼近法计算误差偏大的问题,在低海拔地区的计算结果也优于逼近法。（3）BP神经网络模型计算湿球温度需要对各测站进行单独拟合,在低海拔地区针对大量站点且计算精度要求不高时可用逼近法,反之则用BP神经网络建立单站模型。 相似文献
4.
北京快速更新循环预报系统（BJ-RUC）要素预报质量评估 总被引：4，自引：2，他引：2
使用自动站观测资料对BJ-RUC系统预报的北京15个观测站的逐时2 m温度、相对湿度、1小时降水量和风速等地面要素质量进行检验评估。结果表明：BJ-RUC系统预报的2 m温度、相对湿度和风速与实况具有一致的变化趋势,但各要素的预报性能不尽相同。结果表明：（1）对于2 m温度的预报,±1℃误差的准确率为0.2～0.5,±2℃误差的准确率更高;预报性能与预报时效无明显关系;温度预报准确性与季节和日变化有关,春、秋季优于冬、夏季,夜间优于白天。（2）对相对湿度的预报整体偏低,夏季白天偏低、冬季白天偏高。（3）对1小时降水的预报,无论全年还是夏季,晴雨预报准确率很高;对0.1 mm降水的TS评分在0.2左右。（4）对不同站点的预报性能存在明显差异。对平原地区,即海拔高度较低的站点预报性能相对较好,15个站点中,对北京的代表站点（南郊观象台）的预报最为准确;对山区站点的预报性能相对较差,对海拔最高的延庆站的预报性能最差。总体来说,BJ RUC对站点要素预报的变化趋势较好,预报准确率较高,具有很好的参考价值,但要素预报与季节、日变化及海拔高度等因素有关.具体应用时还需做适当订正。 相似文献
5.
利用重庆市2003—2017年34个国家级气象观测站的逐时降水和逐时温度资料，建立了一种基于未来24 h日最高、最低气温和天气现象预报值的逐时气温预报模型。该模型通过搜寻与未来24 h预报值相似的历史天气现象下的气温时间序列，预报给定站点未来1 d的逐时气温。然后运用结合了高程的反距离加权插值法，得到重庆市0.125°×0.125°分辨率逐时气温网格预报产品。2018年逐时气温预报产品的检验结果表明，整体上国家级站点绝对误差≤2℃的逐时气温预报准确率为79.73%～91.40%，均值为87.12%;10月—次年2月的准确率好于3—9月，8月较差。该模型的预报性能在无雨时稳定，有雨时在地形复杂且易出现强降水的重庆东北部地区略差。重庆西部、中部的大部以及东北部偏西地区的网格产品预报准确率较高，而偏南局地山区和偏东部分山区的准确率较低。总体上该方法预报效果较好，预报性能稳定。 相似文献
6.
基于2019年8月至2020年7月华南区域模式（CMA-GD）预报和湖南97个国家站2m温度实况,开展了模式温度预报检验和逐步回归订正技术研究。结果表明,华南区域模式2m温度预报与实况变化趋势基本一致,预报偏差具有明显日变化,白天准确率下降、夜间升高,随着预报时效的延长,偏差增大;夏半年预报偏差大于冬半年;湘西预报效果优于湘东;00时起报的2m温度预报优于12时起报。基于华南区域模式预报产品,区分起报时次和季节的2m温度预报逐步回归订正预报效果较好,订正后预报相对于模式预报误差下降、准确率提高,有明显正技巧,对12时起报的模式预报效果改善更大,不同站点订正效果略有差异,对预报误差较大站点,订正效果明显。 相似文献
7.
本文基于2022年8月四川盆地104站逐时温度、降水数据和1971—2021年历史同期数据,及EC、CMA GFS、CMA MESO模式的2 m气温预报等数据,运用统计学相关方法分析了此次极端高温过程的特征及预报误差。结果表明：①2022年8月四川盆地极端高温过程范围大、强度强、持续时间长,有87.5%站最高气温超过该站历史同期极值,且高温最强盛时段较历史同期明显推后。②2022年8月最高气温分布为东高西低,最高气温与历史同期极值差分布则相反,其中最高气温随站点海拔增大而减小,而极值差则随站点海拔先增大再减小。另外,受热岛效应影响,极值差大值站点主要集中在龙泉山脉附近。③高温期间,最高、最低气温平均值高、距平大,且累计降水量和雨日数也明显低于历史同期。④相较而言,EC模式的预报优势主要在盆地低海拔地区。而CMA MESO模式在盆地周边陡峭地形区域的平均绝对误差则更小。另外,EC模式预报的最高气温峰值出现时间更接近于实况,而CMA MESO模式预报高温持续日数更接近实况。 相似文献
8.
本文利用遵义市2016-2020年夏季逐时降水资料和ERA5再分析资料,分析遵义市夏季短时强降水的时空分布特征,并统计午后和后半夜前发生短时强降水的物理量特征,得到以下结论：（1）遵义市夏季短时强降水日变化呈现双锋结构,夜间的峰值主要发生在6月,白天峰值贡献主要来自7-8月。6月和7月的短时强降水是夜间多于白天,而8月则是白天多于夜间,且多为午后强对流。遵义市夏季短时强降水夜间出现异常值概率的大于白天。（2）有6个县的夜雨均值明显高于昼雨,且在昼雨的1倍以上,仅有凤冈和湄潭的夜雨均值低于昼雨均值,7个县日变化双峰结构较为明显,仁怀有明显的4峰结构,可能与我市西高东低的地形分布有关。（3）遵义市夏季短时强降水在西部、北部地区发生短时强降水的概率较高,西部主要集中在河谷地带,北部主要集中在娄山山脉,短时强降水平均站次6-8月逐渐减少,10站次以上站点逐渐北推且减少,可能与副高西伸北抬有关。（4）高海拔站点午后短时强降水对CAPE、K、LI要求更低,低海拔站点需要更好的抬升和中低层暖湿条件,850hPa与500hPa温差则是高海拔站点高于低海拔站点。（5）与14时相比,后半夜发生短时强降水对CAPE、LI、T850-500等要求变低,且抬升指数有4个站均值高于0℃,指示意义没有午后好,后半夜短时强降水K指数的要求变高,大气可降水量要求也是变高的,但主要是高海拔站点变高。 相似文献
9.
基于WRF(weather research and forecasting model)模式逐时输出结果,设计了逐时太阳总辐射的模式输出统计(model output statistics,MOS)预报流程。主要包括:对逐时观测序列进行低通滤波再除以天文辐射,对模式输出因子的筛选和降维,以及建立MOS预报方程,并对2009年1月、4月、8月和10月武汉站逐时太阳总辐射进行预报试验。结果表明,该方案在各月预报相对稳定,拟合和预报效果均较为理想,可使平均绝对百分比误差控制在20%～30%,相对均方根误差控制在30%～40%,相对模式直接预报辐射改进了50%左右。由此可见,通过对模式输出进行解释应用,可以有效提高辐射预报的准确率。此外,客观分析所得的气温、云量、露点、比湿、相对湿度、地面气压等13个模式输出因子可以作为各地区建立MOS辐射预报方程的参考因子。 相似文献
10.
对新疆气象局运行的MM5、Grapes模式2008年4-9月的温度、降水预报能力进行了对比检验,得到以下结果：(1)MM5降水预报能力均优于Grapes,08点初始场降水预报能力略优于20点初始场;(2)降水预报北疆西部、天山山区最好,北疆北部、北疆沿天山次之,南疆最次;(3) MM5对西西伯利亚低槽和中亚低值系统相结合的降水过程预报能力最好,中亚低值系统次之,西西伯利亚低槽最次;(4) MM5温度预报能力均优于Grapes,白天的预报效果优于夜间,预报较实况总体偏低;(5) MM5气温预报准确率北疆优于南疆,偏东优于偏西,平均误差的分布则体现出偏西以负值为主,偏东以正值为主。Grapes的预报准确率南北疆没有明显差异,平均误差的分布也体现出偏西以负值为主,偏东以正值为主。 相似文献
11.
利用2020年6月1日—2022年5月31日CMA GD模式2 m气温预报产品（预报时效为13—36 h）和同期江西省智能网格预报区域内地面站气温观测资料,计算气温预报准确率、平均误差和均方根误差,并统计分析其时空分布特征。结果表明： 1）模式预报准确率在不同月份、起报时次存在差异,暖季总体较高,冷季总体较低;暖季08时起报产品的月准确率总体高于20时,冷季反之;秋、冬季旬准确率分布更离散。模式预报产品其准确率明显低于中央气象台和江西省气象台订正产品,需订正后使用。08时起报产品对寒潮的预报效果优于20时。2）气温预报年误差分布存在日变化,最大值出现在08时,最小值出现在15时;年均方根误差峰值出现在15时和06时,白天大于夜间。3）冬季平均误差多为正值,夏季为负值,春、秋季平均误差大小界于冬、夏季之间;白天时段夏季均方根误差最大,夜间时段冬季最大。4）气温预报年误差地理分布特征明显,平原地区预报值偏低,年均方根误差最小;丘陵和山区22 h时效预报值偏高,31 h时效偏低;高山站预报值偏高,年均方根误差最大。丘陵地区负误差最大,平原地区最小;山区正误差最大。 相似文献
12.
使用2017年9月至2021年3月国家级业务化运行的智能网格实况分析产品和欧洲中期天气预报中心全球模式(EC)产品,根据湖北省的地理分布特征构建6个分区,采用基于LightGBM机器学习算法建立的气温预报方法,生成湖北省0.05°×0.05°格点气温预报产品。利用2021年4—9月的预报产品和格点实况资料进行检验,结果表明:基于机器学习的气温预报方法(MLT)取得了较好的预报效果,其在0～72 h时效内优于中央气象台下发的气温精细化指导预报(SCMOC)和EC产品;MLT在山区的误差较平原大,但山区的订正幅度大于平原,日最高气温的订正幅度大于日最低气温的订正幅度;4—9月MLT、SCMOC、EC产品的平均绝对误差(MAE)日变化都呈现了白天偏高、夜间偏低、午后凸起的单峰特征,MLT的MAE值较SCMOC和EC产品的更低,并且在转折性天气中仍具有优势;站点检验与格点检验结论一致,基于格点建模的气温预报产品对站点预报同样得到了订正。机器学习在格点气温的模式订正方面可以作为一个行之有效的手段。 相似文献
13.
利用T639模式预报产品和黑龙江省83个国家气象站气温实况观测资料,采用最优预报因子方法选取预报因子,应用多元回归方法建立逐站日最高气温和日最低气温的MOS预报方程; 对MOS、中央气象台指导预报（SCMOC）和T639三种气温预报产品的日最高气温和日最低气温预报效果进行对比检验分析,并用EOF方法检验预报与实况的时空变化特征一致性。结果表明: 与实况的时空变化一致性方面,MOS和SCMOC较好,T639略差; 预报效果方面,MOS和SCMOC对日最高气温和日最低气温的2 ℃预报准确率普遍高于T639,MOS的预报准确率在日最高气温方面高于SCMOC,在日最低气温方面低于SCMOC; MOS对T639气温预报产品改善效果明显,尤其对冬季日最低气温的预报改善效果十分显著; MOS较T639气温预报改善效果与T639模式预报效果呈负相关关系,主要表现为,MOS预报改善效果在T639预报准确率低的山区明显优于平原,在春、夏季,预报准确率较低的日最高气温明显优于日最低气温,在冬季,预报准确率较低的日最低气温优于日最高气温; MOS气温预报方法的预报性能较理想,SCMOC对黑龙江省预报难度较大的日最低气温预报效果较好。 相似文献
14.
《气象与环境学报》2016,(1)
利用2003—2012年海口市气象站不同季节逐时太阳总辐射观测资料与对应气象参数,建立基于小波BP神经网络法逐时太阳总辐射的预测模型,并利用2013年太阳总辐射数据对模型进行检验,且与建立的逐步回归模型进行对比。结果表明:小波神经网络法建立的逐时太阳总辐射预测模型精度较高,但不同季节模型预测精度存在差异,冬季预测精度最高,夏季预测精度最差,天气类型指数有利于不同季节模型预测精度的提高。春季、夏季、秋季和冬季加入天气类型指数神经网络模型的逐时太阳总辐射预测值与观测值的回归估计标准误差分别为0.32、0.47、0.35 MJ·m-2及0.23 MJ·m-2,比逐步回归模型的预报精度分别提高了28.8%、16.3%、17.9%和20.4%,说明基于小波神经网络法建立的预测模型可为海南地区逐时太阳总辐射预测提供参考。 相似文献
15.
安徽冬季地面降水相态的判别研究 总被引：2，自引：1，他引：1
文章对安徽省2000—2009年11月至次年4月的雨、雨夹雪、雪和冻雨四类降水相态样本的温度、相对湿度和假相当位温分布特征进行了分析。从地面到500 hPa,气温、相对湿度和假相当位温对平原、山区的地面降水相态的区分能力均逐渐减弱,且相对湿度对降水相态的区分能力远弱于气温和假相当位温。在同一气压层上,假相当位温与气温对平原地区地面降水相态的区分能力相当,而假相当位温在某些气压层上对山区降水相态的区分能力略优于气温。在不同气压层上,平原地区各降水相态的气温和假相当位温均接近正态分布,山区假相当位温相对于气温更接近正态分布。因此假相当位温更适合作为地面降水相态的判别因子。选取地面到500 hPa共6个气压层(山区5个)的假相当位温作为地面降水相态的判别因子建立多级判别方程,利用2010年的降水相态样本对所建立的多级判别方程进行独立性检验。结果表明:多级判别方程对雨、雨夹雪或雪、冻雨的区分能力较好,对雨夹雪与雪的区分能力相对较弱。利用T639模式资料对两个降水相态复杂个例进行预报检验,多级判别方程能较好地预报雨雪转换的时间及区域,对降水相态的预报具有较高的参考价值。 相似文献
16.
基于BJ-RUC模式预报产品的北京冬半年道面温度预报模型 总被引：1，自引：1，他引：0
选用2012年11月1日至2013年3月30日3 km分辨率BJ-RUC模式输出的气象要素与5个道面站数据(A1027,A1325,A1412,A1414,A1512)温度进行统计分析,按不同起报时次(08、14和05时)分别建立三类逐步回归统计模型预报未来24 h逐时道面温度,选出最优模型预报2013年11月至2014年3月道面温度。结果表明:道面温度与RUC输出的2 m温度、短波辐射显著相关,与长波辐射、湿度次相关;有显著气象因子参与的回归模型预报的道面温度好于仅加入前一天对应时刻道面温度的回归模型,预报准确度可提高25%以上,误差减少1℃以上;滚动筛选不同起报时次预报时段可将模型预报误差控制在±3℃以内,且预报早高峰温度好于晚高峰,白天好于夜间,晴天好于其他天气类型。 相似文献
17.
阵风特性研究是大风预报和服务的基础。基于2011-2013年浙江省自动气象站逐日逐10 min测风资料,分析了浙江省陆地和近海海面冷空气、热带气旋和强对流大风的阵风系数特征。结果表明:冷空气和热带气旋大风阵风系数空间分布基本相同,大风主要发生在近海海面和沿海地区,海面阵风系数一般小于1.5,等值线平行于海岸线且自西向东逐渐减小,陆地阵风系数一般大于2.0,山区可超过3.0,表现出地形对阵风系数的增强作用。强对流大风阵风系数明显高于业务规范平均值,发生地点遍及浙江省各地,但发生概率超过10%的站点主要位于沿海地区和近海海面。风向基本不影响阵风系数空间分布。冷空气和热带气旋站点阵风系数与海拔高度有较高正相关性。模糊聚类分析发现:浙江省400 m以上山区站与70 m以下的低海拔站点在阵风系数特征上分属不同空间类型;基于逐步回归建立站点阵风系数预报模型,检验表明:模糊聚类可帮助提高模型阵风系数预报能力。 相似文献
18.
大气环流模型（GCMs）预测的气候变化情景空间分辨率低,不能满足气候变化对水资源影响进行评估的需要.利用统计降尺度模型可以解决GCMs预测的气候变化情景空间分辨率低的缺陷.在白洋淀流域应用统计降尺度模型（SDSM）,选取日平均气温作为预报量,根据NCEP再分析数据与站点实测数据序列的相关关系选择合适的预报因子,建立大气环流因子与各站点日最高气温和最低气温之间的统计关系.将数据序列分为1961-1975年和1976-1990年两个时段,对SDSM进行率定和验证.最后将HadCM3输出的未来情景降尺度到站点尺度,模拟白洋淀流域未来时期三个时段2020s（2010-2039年）、2050s（2040-2069年）和2080s（2070-2099年）的日最高气温和最低气温时间序列.结果表明：SDSM在白洋淀流域的模拟效果较好.白洋淀流域日最高气温和最低气温在A2和B2两种情景下均呈现上升趋势,且A2情景下的增幅高于B2情景,山区的增幅高于平原,日最高气温的增幅大于日最低气温. 相似文献
19.
利用2010—2017年逐日雾观测数据、地面常规气象资料、NCEP/NCAR 1°×1°再分析资料和ECMWF细网格模式预报资料,采用统计法分析了浙江省中西部地区(27°N—30.0°N,118°E—121°E)雾日的时空分布特征,再通过相关性检验精选出物理因子,用逐步回归法建立雾的潜势预报模型。结果表明:(1)雾出现频率最高的区域是山区,时段是11月至次年4月、夜间至次日10:00;(2)通过精选的预报因子和提取的消空指标,确定的浙江省中西部地区冬半年雾日预报的多元回归方程,与实况拟合率为80.8%,回报检验的正确率、空报率、漏报率和TS评分分别为86.4%、39.0%、32.0%和0.47;(3)基于ECMWF细网格模式预报产品,每天可自动生成逐3 h雾预报产品并投入业务应用。 相似文献