共查询到20条相似文献，搜索用时 31 毫秒
1.
近几年,县站长期天气予报应用数理统计的方法逐步增多,使用的予报因子也越来越多,据全地区各站的不完全统计,使用因子最多达一千多个,最少也有四百个以上。如何正确地应用这些予报因子制作予报方法和工具,促使县站予报质量和服务效果不断得到提高,这是 相似文献
2.
利用重庆地区能见度及温、压、湿、风等气象资料和大气颗粒物浓度数据,对重庆能见度特征及其影响因子进行分析,采用神经网络方法建立能见度预报模型,分析比较了引入PM2.5浓度因子对预报模型的影响效果。发现：重庆地区能见度分布呈现西低东高以及长江沿线较低的分布特征;雾发生时的平均能见度低于降水时能见度也远低于剔除雨、雾后的能见度,表明低能见度受大气中水汽影响更大;雾在冬季比例明显增加,使得平均能见度在冬季明显降低,而6月和10月降水增多是导致这两个月平均能见度出现明显降低的重要原因;能见度日变化呈现单峰型,雾和降水高发时段与平均能见度低值区重叠,是造成夜间能见度低的一个重要原因;大气湿度、温度及颗粒物浓度都是影响能见度的重要因子,当相对湿度小于70%时能见度随PM2.5增加明显降低,当相对湿度大于70%时PM2.5对能见度的影响降低;在能见度的客观预报模型中引入PM2.5浓度因子的预报效果好于不引入该因子的效果,特别是秋冬季的预报效果改善明显。 相似文献
3.
在信息量较大, 而预报对象与预报因子的关系又不清楚的状况下, 智能机器学习方法是解决这类问题的较好手段。利用1997—2001年成都站的常规探空资料和双流机场的地面观测资料, 使用支持向量机 (Support Vector Machines, 简称SVM) 方法, 选取多种核函数进行双流机场低能见度天气的预报建模试验。测试结果表明:以径向基函数和拉普拉斯函数构造的SVM预报模型实验效果最好, Ts评分分别为0.287和0.292, 远高于双流机场低能见度天气出现的频率 (0.155)。试验结果还表明:以径向基函数构造的SVM预报模型空报较多, 漏报较少; 而以拉普拉斯函数构造的SVM预报模型空报较少, 漏报较多。因此, 如果强调模型对低能见度天气预报的准确性, 则应采用以拉普拉斯函数构造的预报模型, 如果强调对低能见度天气的预防性, 则应采用以径向基函数构造的预报模型。 相似文献
4.
低能见度雾的分级预报方法研究 总被引：2，自引：0，他引：2
利用2007年11月—2009年12月京石（北京-石家庄）高速公路沿线气象站的人工观测资料、自动站资料和交通气象自动站资料,对低能见度雾天气进行分级统计,找出各级雾的生消特征。应用天气学原理和数理统计方法对低能见度雾的生消机理进行研究,利用相关分析找出了与低能见度雾的生消有密切关系的气象因子,建立能见度与气象因子之间的回归方程;在此基础上,结合对低能见度雾的成因分析和预报经验,加入降水因子和大气稳定度因子,建立低能见度雾的分级预报方程,找出各级雾的生消判别指标,为低能见度雾的分级客观化预报奠定基础。各预报因子采用MM5精细化数值预报产品,并通过自动站实时监测资料和预报员的综合预报结果对数值预报产品进行合理订正,得到预报时刻各气象因子的值,从而实现低能见度雾的分级客观化预报。 相似文献
5.
本文从长春机场冬季低能见度的成因分析出发。选择4个组合因子,制作了判别函数,用独立资料检验预报机场能见度的综合识别率达90％。 相似文献
6.
王楠 《沙漠与绿洲气象(新疆气象)》2020,14(2):81-89
利用2015—2018年乌鲁木齐机场航空例行天气报告(METAR报)、ECMWF(European Centre for Medium-Range Weather Forecasting)细网格数值预报产品对影响能见度的主要因子进行分析,提取与低能见度相关性高的物理量作为预报因子,采用SVM方法,分别基于Poly、RBF核函数建立乌鲁木齐机场未来21 h能见度预报模型。结果表明:(1)基于预报因子区间分类的SVM模型物理意义明确,试验结果较好;以RBF为函数建立的SVM模型(SVM-RBF)预报能力更好,其训练样本预测的TS评分0.84,准确率89.20%。(2)SVM-RBF模型的检验样本中,预报准确样本的预报误差整体偏小;在漏报样本中则有能见度越低、预报误差越大的特点,模型的振荡性明显。(3)结合NCEP/NCAR再分析资料研究SVM-RBF模型对天气过程的预报表现,发现模型对于特定天气形势下引发的低能见度天气,预报误差较小且预报提前量较大。 相似文献
7.
华北区域性低能见度天气的自动识别及预报 总被引：4，自引：0，他引：4
利用2002~2011年的能见度观测资料以及NCEP格点资料,采用天气学方法研究了华北地区的低能见度天气过程。结果表明:造成研究区域低能见度的500 h Pa天气形势可分为3种类型:2槽1脊型、低槽型、纬向气流型;用特征物理量作为这3种天气型的入型判据,建立了华北区域性低能见度天气的自动识别系统;并在此基础上,利用K指数、露点温度差以及500 h Pa和850 h Pa的假相当位温差等天气诊断物理量,进行第二次判别,进一步消空,最后制作低能见度天气预报。利用以上建立的预报方案,对2002~2011年进行冬半年逐日回代检验,预报准确率达到了78%左右;对2012年的试预报结果为:出现3 d区域性低能见度天气过程完全报对,试验结果表明预报方法达到了较好的效果。 相似文献
8.
9.
10.
北京机场高速公路能见度与大气动力和热力因子的诊断及物理分析 总被引：5，自引：1，他引：4
根据首都国际机场高速公路专业气象自动监测站网所提供的高时间分辨率资料,结合大尺度背景场对大气能见度演变的动力热力条件和各级能见度条件下对应的主要气象要素特征进行分析。结论如下：1）在低频时间尺度,大气能见度的低频变化有如下的规律：850hPa垂直速度与能见度呈现同位相关系,并通过垂直速度影响水汽变化,进而通过水汽的Rayleigh散射与水粒子的Mie散射来影响大气能见度的变化,反映出大尺度动力因子与水汽共同作用影响了大气能见度变化。500-850hPa之间的位温差与能见度的反位相关系,反映出大气稳定度控制了大气边界层的分子扩散和湍流扩散,即通过热力因子影响大气能见度。但要注意,能见度的变化并不是由某一个单因子所决定的,必须综合考虑动力、热力和水汽等多个因子的相互制约。2）造成2005年1月和2006年1月能见度差异的主要原因是垂直速度和水汽的差异,即垂直下沉运动时,水汽易于燥,比湿较小,能见度较高,故2005年1月能见度比2006年1月高。3）能见度的等级分布与大气湿度、温度以及风速有重要的物理联系,尤其是温度在0℃以下,冰面饱和水汽压低于水面饱和水汽压时,有利于雾的形成,从而使得能见度较低。4）200-1000m的低能见度出现频数的日变化呈现以午时为低中心的U型分布,并且1000m以下的低能见度一定对应了低温、高湿和微风,但这只是必要条件,并不是其发生的充分条件,尤其对于200m以下的浓雾。而对大于4000m的较高能见度,其出现频数的日变化呈以午时为高中心的拱形分布。 相似文献
11.
12.
一、前言近几年来由于高速电子机算机的迅速发展和推广,使得数值予报和统计予报在天气予报中有了一定的应用。然而,大气变化的物理过程是极其复杂的,并且还包含了各种随机的因素。再限于资料的不 相似文献
13.
本文从长春龙嘉机场大雾低能见度的变化情况以及影响因子出发,得出有关大雾低能见度的一些规律,对准确预判和观测大雾影响低能见度有很大的帮助。 相似文献
14.
一次持续性雾霾天气过程的阶段性特征及影响因子分析 总被引：4，自引：0，他引：4
应用常规与非常规气象观测资料及PM2.5浓度监测资料,对2013年1月20~24日山西区域一次持续性雾霾天气过程进行分析。研究发现：（1）本次雾霾天气过程具有明显的阶段性特征。2013年1月20日14时至23日11时,由于相对湿度的变化导致了3次轻雾转大雾过程;23日14~20时,由于PM2.5浓度的增大经历了1次轻雾转霾的天气过程。（2）地面弱的气压场和较小的风速以及PM2.5浓度的上升和相对湿度的增大为本次持续性雾霾天气过程的形成和发展提供了有利条件。（3）边界层逆温的存在是雾霾低能见度过程形成的必要条件,边界层有逆温层而不出现雾霾天气的条件是：相对湿度〈50%,PM2.5日均值浓度〈75μg·m-3;逆温层下相对湿度的大小是区别雾和霾天气的指标。（4）相对湿度和PM2.5是决定能见度大小的关键因子,其对能见度的影响体现出明显的阶段性特征,当相对湿度〈90%时,PM2.5浓度对能见度的作用强于相对湿度,是影响能见度变化的主要因子,但随着相对湿度的增大,其对能见度的影响相对增强,当能见度降至1 km以下时,相对湿度成为影响能见度变化的主要因子。 相似文献
15.
在一般的事件概率回归估计予报方法中,所有可能预报因子都是线性的。可是,实际经验表明,仅仅考虑预报量与预报因子之间的线性关系往往还不能确切反映客观规律。因此,寻求非线性因子对于提高预报效果是有意义的。利用布尔结构可以给出对非线性的逻辑代数组合因子进行筛选的方法,我们称为逻辑组合因子的格筛选法。受这一思路启发,我们开展了非线性事件概率回归估计的试验,效果比通常的事件概率回归好。 相似文献
16.
《干旱气象》2020,(4)
基于2016年冬季的观测资料和ECMWF细网格240 h气象要素预报资料,选用与能见度变化相关的水汽、动力、热力等因素作为预报因子,利用多元动态逐步回归方程对北京地区未来10 d的能见度进行预报研究。同时将能见度分为3个等级:1 km、1～10 km(低能见度)和≥10 km,并从区域平均、空间分布及3次低能见度过程个例进行预报效果检验。多元动态逐步回归方法对北京地区的能见度及其变化趋势均有一定预报能力且效果稳定,其中≥10 km等级的能见度预报效果最好,TS评分为64.2%,其次是1～10 km,TS评分为53.1%,最后是1 km,TS评分为51.3%;两个低能见度等级中平原地区预报效果优于山区,表现为从东南向西北递减的特征;而≥10 km等级的呈相反变化,预报效果山区优于平原地区;北京地区3次雾霾过程个例预报也证实动态逐步回归方法能够较好预报北京地区持续性低能见度过程。 相似文献
17.
18.
19.
20.
上海地区低能见度特征分析 总被引：5，自引：1，他引：4
利用上海机场气象观测资料以及同时段的探空资料、大气污染资料,分析了上海地区低能见度的季节和日变化特征,以及影响低能见度的天气因子和大气污染浓度,结果表明:低能见度在12月出现次数最多,其次是1月、11月,6-9月出现最少;05:00-08:00出现频率最高,维持时间在1-5 h内的累积频率达到84.4%.降水、雾、霾等是造成低能见度的天气因子.低能见度日空气污染比较严重.冬季大气边界层稳定比例较高、多层逆温频繁发生、混合层高度低,是上海地区低能见度发生频率较高的主要原因. 相似文献