共查询到19条相似文献，搜索用时 218 毫秒
1.
2.
基于EC（0.25°×0.25°）模式预报资料和闪电定位资料，结合雷暴三要素形成条件，分别从水汽、能量、热力、动力等几个方面挑选预报因子，利用主成分分析方法配料权重系数，并根据海拔高度将四川划分为四川盆地、攀西地区、川西高原3个不同的区域分别建立预报模型，研发了四川省闪电格点概率预报产品。检验结果表明：四川盆地在概率预报值为70%以上时，预报效果较好，TS评分为0.294；攀西地区和川西高原在概率预报值为60%以上时，预报效果较好，TS评分分别为0.302和0.299。 相似文献
3.
4.
基于KPCA的台风强度神经网络集合预报方法研究 总被引：3，自引：2，他引：1
针对影响台风强度前期预报因子较多以及因子的非线性变化特点,首先采用逐步回归方法筛选出部分预报因子,再利用核主成分分析方法在剩余的预报因子中提取包含了原数据较多信息的核主成分与前期选入的预报因子共同作为模型输入.进一步考虑到神经网络集合预报中个体的准确性和差异性的权衡问题,在不同的初始条件下生成若干组神经网络,分别选择每组中性能最优的个体,建立了一种新的非线性神经网络集合预报模型.最后以西北太平洋海域2001-2010年5-10月的台风强度为研究对象进行了预报试验.结果表明,这种神经网络集合预报模型的预报结果符合实际应用的要求,其预报平均绝对误差明显小于同等条件下的神经网络方法和逐步回归预报方法. 相似文献
5.
基于2019—2021年4—9月北京快速更新数值预报系统(CMA-BJ)产品以及北京地区地面气象站逐时降水实况,从表征水汽条件、热力和能量条件以及动力条件的多个物理量中筛选出在有无降水、是否强降水情形中有显著差异的物理量作为因子,采用配料法和模糊逻辑算法构建北京地区0～12 h时效逐小时短时强降水概率预报模型。以2019—2021年4—9月最优TS评分和偏差评分的概率值和组合反射率因子为确定性预报的概率阈值和消空处理阈值,运用该预报模型对2022年4—9月每日4次0～12 h预报时效北京地区短时强降水产品进行预报和检验。结果表明:北京地区短时强降水TS评分和偏差评分分别为0.104和1.341,预报效果明显优于CMA-BJ预报产品。概率预报模型能够有效提升强降水高发地区,即山前及平原地区的短时强降水预报技巧,获得较为平衡的命中率和空报率,但对山区预报技巧的提升有限。 相似文献
6.
热带气旋登陆华东的客观预报方案 总被引：7，自引：2，他引：7
热带所旋登陆华东属小概率事件。构造适当划分区间的阶梯函数能较好地反映登陆事件条件概率的非线性分布。应用阶梯函数变换的因子对登陆事件概率的预报性能优于线性相关的标准化因子。预报方案应用阶梯函数变换因子，通过非线性相关比筛选和REEP分析构造热带气旋登陆华东的预报模式。应用初始场资料与数值预报产品分别构造了统计－天气学、统计－气候学和统计－动力学的分类预报模式。应用分类预报模式的预报结果进行综合的预报集成提高了预报技巧。预报检验与试验表明本方案对热带气旋登陆华东具有一定的预报能力。 相似文献
7.
动力-统计方法在24小时雷暴预报的应用 总被引：4，自引：1，他引：3
利用T213数值预报产品,计算了多个对流参数,应用事件概率回归方法分别建立了全国690个基本站4-9月的24h雷暴潜势预报方程,并根据TS评分值最大的原则确定了雷暴发生预报的临界概率,针对2010年4-9月进行试预报。研究结果表明：（1）基于T213输出产品计算得到的对流参数物理意义明确,与雷暴有无事件相关系数较高,对雷暴潜势预报方程贡献很大。（2）雷暴潜势预报方程对区域性雷暴的预报指示性较强,尤其对于雷电频发的地区效果更好。（3）690个站TS评分平均值为0．24。 相似文献
8.
9.
一种基于可预报性的暴雨预报评分新方法Ⅱ:暴雨检验评分模型及评估试验 总被引：1，自引：0，他引：1
针对当前暴雨预报检验采用二分类事件检验方法存在较严重的“空报”“漏报”双重惩罚,没有考虑暴雨时空分布不均和预报评分可比性不够等问题,在分析预报员对暴雨预报评分期望值基础上,设计了一种基于可预报性的暴雨预报检验评分新方法和计算模型,分析了理想评分,并对2015-2016年4-10月中国中央气象台5 km×5 km定量降水格点预报和降水落区等级暴雨预报进行评分试验,获得了以下结果和结论:（1）预报员对暴雨预报评分期望值呈现梯级下降特征,与传统的TS评分存在显著差异;（2）设计了一种基于可预报性的暴雨预报检验新方法,通过引入e指数函数构建暴雨预报评分基函数,进而构建暴雨评分模型,该模型可以较好地拟合预报员对暴雨预报评分的期望值,同时改善了评分在不同量级阈值处的断崖式突变情况;（3）提出了预报与观测的邻域匹配方法,即一个预报点与所定义邻域中的一组观测相匹配,并利用距离加权最大值法确定暴雨评分值权重系数,预报与观测距离越近,距离权重系数越大,评分值权重越大,提高了评分的合理性,避免了距离较远的匹配站点得高分不利于鼓励预报员提高预报精度的问题;（4）对中国中央气象台逐日5 km×5 km水平分辨率的定量降水格点预报产品和中央气象台定量降水落区等级预报产品进行了评分试验,暴雨预报准确率全国平均值大于60分。基于可预报性的暴雨预报检验新评分与传统暴雨预报TS评分逐日演变特征相似,但可以较好地解析TS为0的预报评分,解析后的新评分与预报员和公众的心理预期更为接近。 相似文献
10.
预报因子的取值范围分别与各片代表站的降水事件一一对应,再根据对应结果,将预报因子分成若干"节",针对某"节"出现降水的次数,求出其频数.经过如此处理后,将每日预报因子(原始数据)换算成所对应的与预报量有关的概率值,再用事件概率回归估计(REEP)法建立概率预报方程.试运行结果表明,所建立的方程能够很好地预测各片的降水概率. 相似文献
11.
12.
13.
采集大连某机场2004—2007年大雾、轻雾和无雾天气事件共186例,选取雾天气事件前期(前一日08:00,14:00,20:00(北京时)实测资料)的温、压、湿、风等要素指标为预报因子,基于学习向量量化神经网络(learning vector quantization,LVQ),采用逐级预报思想建立起某机场雾天气事件的预报模型。在网络训练过程中,动态调整网络神经元比例参数,提高模型的预报能力;采用根据检验准确率适时终止训练的"先停止"技术,有效提高了模型的泛化能力。预报试验表明:无论是拟合率还是独立预报准确率,模型均已达到较高水准,具有实际应用意义。 相似文献
14.
集成方法有利于提高降水要素预报的准确性和可预报性。本文基于格点实况资料和智能网格预报、西南区域数值预报、ECMWF模式预报、GRAPES模式预报产品,以面雨量为研究对象,采用多元回归法、BP神经网络法、评分权重法、加权集成预报法和算术平均法,得到集成面雨量预报,再运用平均绝对误差、模糊评分、正确率、TS评分、偏差分析等方法,对2020年4—10月金沙江下游面雨量预报效果进行对比分析。结果表明：多元回归集成法和BP神经网络法的预报效果总体上优于其他几种集成方法。在考虑流域面雨量的预报量级时,下游可以采用预报量级较小的模式和集成方法。集成后偏差百分比均有降低,且多元回归法和BP神经网络法对预报量级较小的模式有矫正作用。在面雨量有无、小雨和中雨预报中,多元回归法集成效果较好,在大雨量级预报中,BP神经网络法集成效果较好。这些结论可为流域面雨量预报提供参考借鉴。 相似文献
15.
人工神经网络预报模型的过拟合研究 总被引：35，自引：0，他引：35
针对神经网络方法在预报建模中存在的“过拟合”(overfitting)现象和提高泛化性能 (generalizationcapability)问题 ,提出了采用主成分分析构造神经网络低维学习矩阵的预报建模方法。研究结果表明 ,这种新的神经网络预报建模方法 ,通过浓缩预报信息 ,降维去噪 ,使得神经网络的预报建模不需要进行适宜隐节点数的最优网络结构试验 ,没有“过拟合”现象 ,并且与传统的神经网络预报建模方法及逐步回归预报模型相比泛化能力有显著提高 相似文献
16.
17.
Variables fields such as enstrophy, meridional-wind and zonal-wind variables are derived from monthly 500 hPa geopotential height anomalous fields. In this work, we select original predictors from monthly 500-hPa geopotential height anomalous fields and their variables in June of 1958 - 2001, and determine comprehensive predictors by conducting empirical orthogonal function (EOF) respectively with the original predictors. A downscaling forecast model based on the back propagation (BP) neural network is built by use of the comprehensive predictors to predict the monthly precipitation in June over Guangxi with the monthly dynamic extended range forecast products. For comparison, we also build another BP neural network model with the same predictands by using the former comprehensive predictors selected from 500-hPa geopotential height anomalous fields in May to December of 1957 - 2000 and January to April of 1958 - 2001. The two models are tested and results show that the precision of superposition of the downscaling model is better than that of the one based on former comprehensive predictors, but the prediction accuracy of the downscaling model depends on the output of monthly dynamic extended range forecast. 相似文献
18.
应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具“潜力”的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。 相似文献
19.
利用2017年1月—2019年12月太原地区逐时气象资料,分析了能见度及其主要影响因子的变化特征,并对两次低能见度过程进行深入分析,构建了能见度预报模型并进行检验,结果表明:(1)从空间分布看,太原北部能见度明显高于南部地区。从时间分布看,太原地区平均能见度最大值出现在5月,最小值出现在1月;日间最低值出现在06:00(北京时,下同),冬季略向后推移,最高值出现在15:00前后。(2)2017—2019年太原地区低能见度分别出现93、84、79 d;低能见度发生时,干霾、湿霾发生频率分别为59.27%、40.73%;湿霾发生时,能见度降低更加明显。(3)所选个例中,能见度均随各影响因子有所起伏,干霾、湿霾过程中能见度分别与颗粒物浓度、相对湿度变化一致。(4)采用神经网络方法构建太原地区能见度预报模型,预报模型相关系数为0.81,均方根为4.43 km,平均绝对误差为17.39%,轻微级能见度的TS评分为87%。神经网络方法对太原地区能见度预报具有较高的参考价值。 相似文献