共查询到20条相似文献，搜索用时 250 毫秒
1.
SAL定量降水预报检验方法的解释与应用 总被引：9，自引：0，他引：9
引入德国定量降水预报检验SAL方法,以2009年6月29日降水(长江中下游2009年入梅首场降水)为例,对AREM、T639、T213、JAPAN模式0～24h降水预报的SAL检验进行剖析,与SAL方法原理介绍相结合,全面而详细地对SAL检验方法进行阐释,通过对2009年三次大范围强降水的检验,分析和总结SAL方法在降水预报检验中的应用。结果表明:1)SAL检验方法是对某一天降水的预报效果进行检验的方法,它可对雨带的预报从强度(A)、位置(L)、结构(S)三方面进行评估。2)SAL检验结果中,对降水预报效果指示意义最大的为L值,L值越小,预报效果好的可能性越大,A值其次,S值再次。3)SAL值只在针对同一个降水实况的条件下具有可比性,不同降水日,因作为检验参考系的实况不同,其S、A、L值不具可比性。 相似文献
2.
实践证明,通过对单站温、湿、压资料进行分型、有机组合,在预报4~6月的短期暴雨方面有很好的指示意义。通过对贺州市1971~2000年4~6月逐日14时的温度(T)、水汽压(E)、本站气压(P)、露点温度(T d)等要素资料进行研究、分型、归纳总结,得出一套较为实用的预报指标,并对2001~2004年进行检验,预报准确率达到40.6%,可见用单站要素资料做4~6月的短期暴雨预报有较好的效果,而且此预报工具方法可以通过计算机编程来实现,能做到自动、客观、简便、快捷。 相似文献
3.
利用NCEP1°×1°再分析资料、常规观测资料、ECMWF细网格数值预报产品(下简称EC产品)24～48 h预报资料,对2018—2019年山东省汛期(6—9月)强对流天气的影响系统、关键物理量及降水量进行分析检验,结果表明:(1)EC产品对西风槽和副高北界有较好的预报和模拟能力。(2)EC产品对0℃层高度预报的准确率达100%,但对-20℃层高度的预报效果较差。(3)EC产品对CAPE值的预报准确率较低,误差以偏大为主;其对热力不稳定指数的预报效果差别较大,T_(500-850)的预报效果最好,其次为K指数,效果最差的为LI指数;EC产品对低层湿度的预报效果较好,预报准确率2 m露点温度925 hPa比湿850 hPa比湿。(4)EC产品对强对流过程降水量最大值的预报一般小于实况,对中雨及以上量级降水范围的预报一般小于等于实况。 相似文献
4.
为了解和掌握上级指导产品对石家庄市空气质量预报的适用性,进一步提高石家庄市空气质量预报的准确性,利用国家气象中心(NMC)、北京区域气象中心(BJ)和河北省气象局(HB)空气质量预报产品,对石家庄市夏季4种主要污染物PM_(2.5)、PM_(10)、O_3和SO_2的预报进行了对比检验,结果表明:1)NMC对4种污染物的预报效果均逊于HB和BJ的,对PM_(10)、PM_(2.5)和SO_2的预报值明显较实况偏大,尤其在发生重污染天气时,对PM_(10)和PM_(2.5)的空报率高达90%以上;2)HB对PM_(10)和SO_2的预报效果好于BJ的,对SO_2的预报值与实况值均在一个等级范围内,发生重污染天气时,对PM_(10)的预报效果好于BJ的,预报值更接近于实况,但对重污染向优、良转折天气的预报值偏高;3)BJ预报PM_(2.5)和O_3的效果好于HB的,对O_3的0级误差级别预报准确率高达90.5%,对PM_(2.5)优到轻度污染等级的预报效果较好,但对重污染天气的预报值低于实况。 相似文献
5.
卡尔曼滤波递减平均方法对模式直接输出的气温预报进行订正,能有效提高预报准确率,但有时会造成显著负订正的现象,使订正预报效果反而不及模式直接输出。利用消除偏差集合平均方法(BREM)选择最优滑动训练期对2019年10月至2020年4月ECMWF预报(EC)、经过卡尔曼滤波递减平均法订正的预报(EC_COR)及中央台网格指导预报(SCMOC)等3种气温预报在黑龙江省的结果进行集成,并将BREM方法对EC_COR的修正效果进行评估,结果表明:不同预报结果都表现为冬季和夜间预报的准确率更低,气温偏低的11月至翌年1月更倾向于表现出预报较实况系统性偏高的特点。BREM方法能有效地修正EC_COR对EC负订正的现象,且可显著高于任何一种参与集成的单一预报效果。可在对单一模式进行卡尔曼滤波递减平均订正的基础上,进一步提升预报质量。另外,利用集成方法对高质量预报产品的融合(不局限于模式直接输出预报或是订正预报)可获取较单一预报更优的预报结果。 相似文献
6.
基于贝叶斯模式平均方法(Bayesian Model Averaging),发展了一个NINO3.4指数的多模式客观权重集合预报方法(简称OBJ)。该方法基于训练期内单个模式的预报结果,用线性回归订正单个预报的偏差,依据模式的预报效果估计单个模式的权重。利用2002年2月—2015年10月美国哥伦比亚大学国际气候与社会研究所(IRI)提供的7个单一模式对NINO3.4指数的预报结果进行OBJ试验,并采用均方根误差对多模式集合平均预报(简称ENS)和OBJ的预报结果进行检验和评估。结果表明,ENS的预报效果优于7个单一模式的预报效果,而OBJ预报效果优于ENS预报效果,其NINO3.4指数的均方根误差比ENS方法降低了4%。将单一模式预报结果按时间划分为训练期和预报期,利用独立样本估计OBJ的参数并进行预报试验,这些试验也表明,OBJ能进一步提高预报精度。 相似文献
7.
基于TIGGE(THORPEX Interactive Grand Global Ensemble)资料,对中国气象局(CMA)集合数值预报产品进行温度概率预报试验。分别应用降尺度技术、系统偏差订正及降尺度与系统偏差订正相结合的方法对2008年1月的气温进行试验。结果表明,通过Brier评分和ROC分析的检验,在24～240 h预报中,都得到了明显改进,在进行降尺度和系统偏差订正相结合的方法下,预报技巧的改进更加明显,优于单个方法独自使用的效果。RPS评分检验则表明:在168 h内,两种改进方案相结合的概率预报效果明显优于单一改进方法的使用;168 h后,预报效果逐渐下降不如系统偏差订正的效果,但优于降尺度技术的改进。总体而言,3种方法对地面气温的概率预报都有正的技巧预报,对预报时效较短(7天前)温度概率预报技巧高于预报时效较长的(7天后)。 相似文献
8.
GRAPES-GFS模式暴雨预报天气学检验特征 总被引：5，自引：4，他引：1
本文采用天气学检验方法,对2016年度国家气象中心GRAPES全球数值预报系统(GRAPES-GFS)业务预报暴雨过程及2013-2015年部分回算个例进行了检验,并结合对比欧洲中期天气预报中心确定性预报模式(EC模式)和国家气象中心全球谱模式T639L60(T639模式)降水预报,梳理总结业务GRAPES-GFS模式预报性能优势和系统性偏差特征。被检验暴雨过程共38次,其中南方暴雨过程20次,北方暴雨过程6次,热带扰动或台风降水过程12次。依靠预报员主观天气学检验分析,从降水预报效果检验出发,结合主要影响天气系统和示踪物理量检验,梳理总结模式预报系统性偏差,以期全面发掘该业务预报模式性能。结果表明对短期时效内的降水预报,GRAPES-GFS模式预报稳定性较好,整体明显优于T639模式。但还存在诸如对对流性降水预报较实况偏北或对主雨带南侧暖区降水预报不足的偏差特征;另对弱高空波动背景下的对流性降水预报偏弱;而在降水预报强度大致正确的情况下,对降水系统南侧偏南气流控制区域预报湿度偏大,对副热带地区的低涡系统预报偏强。 相似文献
9.
基于ECMWF细网格模式输出产品和BP神经网络预报方法建立一种优化的BP模型,对吉林省东南部山区(白山地区、通化地区)未来24h的日最高和最低气温进行预测,并对比该方法、ECMWF细网格的2m温度输出产品以及线性MOS方法的预报效果.结果表明:在建立预报方法时,考虑预报因子对气温影响的累积过程,并对其进行优化处理,有利于提高预报水平;通过比较各预报方法的预报准确率(TT)、系统偏差(MBE)、平均绝对误差(MAE),最终得出对预报因子进行优化处理的BP神经网络法预报效果最好. 相似文献
10.
日极端气温的多模式集成预报应用及检验 总被引：1，自引：0，他引：1
基于Grapes、T639、ECMWF和JMA精细化数值模式,利用平均集成(EMN)、反误差加权集成(IEWE)、消除偏差加权集成(BRWE)法进行广州5个观测站的日极端气温集成预报研究。结果表明:(1)数值模式对最高气温的预报较为接近,其中Grapes模式的预报效果相对较优;模式对最低气温的预报普遍优于最高气温,ECMWF模式明显优于其余3种数值模式。(2)BRWE的效果最好,尤其对最高气温预报有明显改善,其24~72 h预报效果较最优的Grapes模式分别提高了27.6%、17.1%、9.9%;对最低气温的预报亦有改进,24 h预报误差较最优的ECMWF模式提高12.5%,但48~72 h的改进效果则不明显。(3)集成预报在不同季节的效果有一定差异,在夏秋、冬季节,BRWE的最高气温预报效果明显高于春季;而BRWE的最低气温预报在春、夏季节具有较高的应用价值。 相似文献
11.
北半球中纬度地区地面气温的超级集合预报 总被引：25，自引：7，他引：18
基于TIGGE资料中的ECMWF、JMA、NCEP和UKMO四个中心2007年6月1日-8月31日北半球中纬度地区地面气温24～168 h集合预报资料,分别利用固定训练期超级集合(SUP, Superensemble)和滑动训练期超级集合(R-SUP, Running Training Period Superensemble )对2007年8月8-31日预报期24 d进行超级集合预报试验.采用均方根误差对预报结果进行检验评估,比较了两种超级集合方法与最好的单个中心模式预报、多模式集合平均的预报效果.结果表明,SUP预报有效降低了预报误差,24～144 h的预报效果优于多模式集合平均(EMN, Ensemble Mean)和最好的单个中心预报,168 h的预报效果略差于EMN.R-SUP预报进一步改善了预报效果.对于24～168 h的预报,R-SUP预报效果都要优于EMN.尤其对于168 h的预报,R-SUP改进了预报效果,优于EMN. 相似文献
12.
ECMWF数值产品在热带气旋(TC)路径预报中的应用分析 总被引：5，自引：1，他引：4
将三次样条插值方法应用到欧洲中期天气预报中心(ECMWF)海平面气压场(MSLP)、850 hPa涡度场和风场,对2004—2008年西北太平洋(WNP)和南海(SCS)所有编号热带气旋(TC)进行路径预报。结果表明:基于850 hPa涡度场的TC预报效果好于气压场预报,而综合考虑850 hPa涡度场、风场和海平面气压场的预报效果最好,且有效预报次数更多。与中央气象台(CMO)主观定位及预报对比发现:ECMWF客观预报的0 h的TC平均路径误差为79.9 km,24 h平均客观预报误差大于中央气象台的主观误差,而48～96 h则小于中央气象台的主观误差;误差年际变化分析表明:主观预报水平进步缓慢,而客观预报水平进步明显。ECMWF客观预报效果优于中央气象台效果差的主观预报。 相似文献
13.
采用ECMWF集合预报降水量资料和中国降水量观测资料,研发了基于最优概率的过程累计降水量分级订正预报(OPPF)技术,并在遵循总体技术思路的基础上设计出三种不同的OPPF计算方案(OPPF1、OPPF2、OPPF3),继而选用2015—2017年汛期(5—9月)中国91次区域性强降水过程进行回报试验和预报效果对比评估,结果表明:(1)在中期延伸期预报时效(96~360小时),对强降水和有无降水的预报效果,三种OPPF均明显优于集合平均(EMPF)和控制预报(CTPF);对中等以上或较强以上强度降水的预报效果,OPPF1和OPPF3明显优于CTPF、与EMPF基本接近。(2)三种OPPF相比,OPPF3的预报效果较OPPF1总体略胜一筹,两者均好于OPPF2。(3)预报效果存在明显的地域差异,南方地区强降水预报的TS评分明显大于北方地区,且OPPF3预报效果明显优于EMPF;在96~240小时预报时效,东北地区东部OPPF3强降水的预报效果也明显好于EMPF。 相似文献
14.
使用误差反向传播网络(BPN)和约当网络(JN)两种人工神经网络(ANN)以及支持向量机(SVM)对降雨量进行了1h和3h预报的研究,并与交叉相关法(CCM)外推预报的结果进行了比较。针对安徽省2003年6～7月的降水过程,比较了网络(文中指BPN、JN和SVM)和CCM预报降雨量与实况降雨量的雨带分布、强降雨区域和强度;使用命中率(HR)、虚警率(FAR)、漏报率(NAP)、临界成功指数(CSI)、相关系数(CC)和均方根误差(RMSE)这6个指标并结合天气分析检验网络和CCM的预报效果。结果表明:网络和CCM对雨带和强降雨区域的预报比较准确,但是对强降雨中心位置和强度的预报与实况存在差异;在使用HR、FAR、NAP和CSI检验预报效果时设定的阈值对预报结果的评价有影响;预报的中小尺度结构与天气分析的结果一致;网络与CCM以及不同的网络之间的预报结果存在着差异;连续预报的结果表明,与CCM相比,网络对3h预报的效果优于1h的。 相似文献
15.
人工神经网络法和线性回归法对降水相态的预报效果对比 总被引：2，自引：1，他引：1
本文主要对相同条件下线性回归法(LR)和人工神经网络法(ANN)对降雨、雨夹雪和降雪3种降水相态的预报效果进行了对比检验.选取降水发生时和发生前6h的地面2 m温度、露点温度作为预报因子,对降雨、雨夹雪和降雪进行预报.应用国家气象中心2001-2011年我国地面756站实况观测资料,其中应用2001-2010年资料对方法进行训练,2011年资料用来对比检验预报效果.结果显示,(1)两种方法对3种相态降水都有一定的预报能力,对降雪预报最好,其次是降雨和雨夹雪;(2)两种方法对北方的雨雪分界线预报比对南方的好;(3)无论是对全国还是长江中下游流域,在相同条件下,ANN法的预报效果大都优于LR法,当温度和露点温度预报准确时,ANN法对北方的雨雪分界线能进行较准确的预报. 相似文献
16.
文章基于EC集合平均预报产品,选取EC集合预报的51个成员包括温度(500h Pa和700hpa)及降水量,以内蒙古2014年8月份5次暴雨降水过程为例,用择优法(以500h Pa和700h Pa的温度差即稳定度相关系数作为对集合成员的筛选因子)进行试验,并与集合平均预报方法进行对比,结果如下:(1)在短期24h预报中集合成员个数增加到3时预报效果得到一定改善,并优于集合平均法的预报,成员个数增加到较多(如4或5时)或减少到2时预报效果反而较差。因此分析集合预报中集合成员的个数对预报结果的影响有非常重要的意义;(2)无论是集合平均法还是择优法对小量级降水预报效果好于大雨以上降水预报,因此有必要去分析更好的集合预报方法使得集合预报在灾害性天气预报中应用得到进一步发展。 相似文献
17.
利用TIGGE资料集下中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24 h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96 h延长至192 h,且除个别时效外,小雨、中雨的TS评分得到明显提高。 相似文献
18.
利用TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。 相似文献
19.
基于TIGGE资料中的欧洲中期天气预报中心、英国气象局、美国国家环境预报中心、韩国气象厅和日本气象厅2015年1月1日—9月30日中国及周边地区地面2 m气温24～168 h集合预报资料,利用长短期记忆神经网络(Long Short-Term Memory,LSTM)、浅层神经网络(Neural Networks,NN)、滑动训练期消除偏差集合平均(BREM)和滑动训练期多模式超级集合(SUP)方法对2015年9月5—30日26 d预报期进行集成预报试验。结果表明,BREM对5个单模式进行等权集成,预报结果易受预报效果较差模式的影响,整体预报技巧略低于单个最优模式ECMWF的预报技巧。其中在新疆南部,等权集成后的预报技巧更低。SUP的预报结果比所有单个模式预报更为准确。在144 h之前,SUP的误差明显小于ECMWF的预报误差,但随预报时效增加,误差增长幅度增大。NN对地面气温的预报效果与SUP的预报效果相当。LSTM整体预报效果最好,特别是在预报时效较长(超过72 h)时,比其他方法预报准确率明显提高。LSTM神经网络方法明显改进了我国西北、华北、东北、西南和华南大部分地区的气温预报,但在南疆部分地区误差较大。 相似文献
20.
2007年汛期AREM模式降水预报效果检验分析 总被引：2，自引：0，他引：2
过对2007年6～8月AREM模式降水预报做不同时效、不同区域的TS评分对比,比较AREM与T213、JAPAN三个模式降水预报TS评分,并对AREM模式2007年汛期主要降水过程预报效果进行检验分析,从而获得AREM模式2007年汛期降水预报效果和特点,结果表明:(1)从AREM模式不同时效降水预报TS评分对比可知,对长江中下游区域,AREM模式12～36 h预报效果好于0～24 h预报,24～48 h效果相对较差,对华南、华北、东北、西南东部区域的降水,AREM模式预报效果均随时效延长而减弱。(2)由AREM模式对不同区域降水预报TS评分的对比可知,AREM模式(各预报时效)对长江中下游地区各量级降水预报的TS评分均高于全国范围的TS评分,西南东部(各预报时效)小雨(以上)量级TS评分均为各区域最高,但中雨以上各量级TS评分均低于全国范围,其他区域无稳定的预报特性。(3)从AREM、T213、JAPAN对长江中下游地区12～36 h降水预报TS评分对比可知,三个模式小雨(以上)量级降水的TS评分基本相当,对该区域暴雨、大暴雨强降水中心的预报,AREM好于T213,JAPAN相对较差,随量级增加AREM预报优势表现更为明显。(4)对2007年汛期6次个例分析可知,AREM模式对长江中下游尤其是江淮流域的大范围强降水过程预报效果较好,对暴雨、大暴雨中心的预报较T213和JAPAN有明显的优势,但对小范围、局地强降水过程的预报效果不够理想。 相似文献