共查询到20条相似文献，搜索用时 218 毫秒
1.
对MM5模式输出产品解释应用，建立县级站点定量降水MOS预报模型。方案为将影响辽宁降水的天气模型归纳为动力诊断模型，从中构造出多个能够较全面反映降水模型特征的综合物理因子；根据站点降水的气候分布特征，对偏态分布的降水量进行正态化处理，处理方案为首先将降水量划分为有雨和无雨两档，然后对有雨样本进行分级、开4次方处理，经分析对比降水量经过正态化处理后建立的预报模型优于未经处理的模型。运用统计方法建立站点降水预报模型，该模型分为晴雨预报模块和雨量预报模块。通过2001和2002年夏季业务试运行表明，该模型对降水有较强的预报能力，较原模式预报水平有一定改进。 相似文献
2.
神经网络方法在广西日降水预报中的应用 总被引：7，自引：3，他引：7
以广西前汛期5、6月区域平均日降水量作为预报对象，采用人工神经网络方法进行新的数值预报产品释用预报研究。对T213预报因子进行自然正交分解，有效浓缩数值预报产品因子的预报信息，并结合日本降水预报模式因子建立广西3个不同区域的逐日降水神经网络释用预报模型。运用与实际业务预报相同的方法对2004年5、6月进行逐日的实际预报试验，并与T213的降水预报进行对比分析。结果表明，本文建立的3个区域日平均降水量神经网络预报模型，在预报性能上明显优于同期的T213降水预报。 相似文献
3.
基于模式先验信息的贝叶斯集合降水概率预报试验 总被引：1，自引：0，他引：1
为了更好地利用降水预报历史先验概率分布函数信息修订集合概率预报效果,基于贝叶斯原理和贝叶斯降水概率预报模型,分别使用1952—2007年历史观测资料和2009—2011年6月24~120 h中国T213全球集合预报历史资料作为先验信息,对中国不同气候区代表站（广州、南京、武汉和成都）建立贝叶斯降水概率预报模型,对比不同先验信息下集合成员与集成贝叶斯降水概率预报拟合结果差异,分析先验信息对贝叶斯降水概率预报模型的影响,在此基础上,采用模式先验信息的贝叶斯降水概率预报模型,进行2008年6月降水概率预报试验。试验结果表明,由T213集合预报产生的先验信息较历史观测资料产生的先验信息更优,当先验信息的降水概率分布函数曲率最大处偏向降水大值区时,贝叶斯模型的降水预报结果也偏向降水大值区,反之亦然。结果还显示,先验信息对贝叶斯降水概率预报模型有重要影响,若先验信息偏向更多更大降水量时,贝叶斯降水概率预报对有降水的预报更优,若降水先验信息偏向更少更小降水量时,对无雨或微量降水预报效果越好。 相似文献
4.
利用1971～2000年6～8月份96～192小时欧洲数值预报产品的500hPa高度与吉林省6～8月份的明显降水天气进行了分析，找出了欧洲数值预报产品的500hPa高度与吉林省6～8月份明显降水天气的对应关系，建立了4种预报模型，分别是副高后部、高空槽、冷涡、台风等明显降水预报模型，对提高吉林省6～8月明显降水天气预报水平有一定的指导作用。 相似文献
5.
SVM方法在降水预报中的应用及改进 总被引：3，自引：0，他引：3
以T213数值模式输出产品为基础,结合常规观测的降水资料,利用SVM方法,进行了大量多因子的随机交叉验证,从而选出最优参数,建立了全国72个站点的降水预报模型,并用独立的样本对预报模型进行了检验.再通过计算正、负样本的贴近度来分析预报因子,实现了预报因子的筛选和降水预报模型的改进;检验结果表明:改进后的降水模型的预报结果优于改进前的.实时业务试运行的结果也显示SVM模型的降水预报效果好于T213模式直接输出的降水预报. 相似文献
6.
通过对降水因子的数据进行熵变换，使降水预报因子和预报量之间的复杂非线性关系变为准线性关系，能充分挖掘预报因子的潜在信息，实现统计模型同资料的匹配，提高了预报精度。 相似文献
7.
《气象》2017,(汛)
预报大流域降雨径流与洪水是非常复杂的预报难题。本研究建立气象水文耦合预报模型对复杂大流域的洪水预报进行预报试验。模型采用中央气象台格点化降水预报产品作为预见期内降水,驱动水文水动力学耦合模型进行洪水预报。选择新安江水文模型用于流域降雨径流模拟,基于扩散波与柱蓄和楔蓄理论建立Muskingum-Cunge水位流量演算模型进行具有行蓄洪区的复杂河系洪水预报。以淮河鲁台子站以上流域2016年汛期洪水为例,将构建的气象水文耦合预报模型进行洪水预报试验。结果表明,模型取得了较好的预报精度,应用格点化降水预报产品考虑预见期内降水预报的洪水预报对于不考虑预见期降水预报,洪水预报预见期得到一定的有效延长,对同类流域预报有一定的借鉴意义。 相似文献
8.
淮河流域2016年汛期洪水预报试验 总被引：5，自引：2，他引：3
预报大流域降雨径流与洪水是非常复杂的预报难题。本研究建立气象水文耦合预报模型对复杂大流域的洪水预报进行预报试验。模型采用中央气象台格点化降水预报产品作为预见期内降水,驱动水文水动力学耦合模型进行洪水预报。选择新安江水文模型用于流域降雨径流模拟,基于扩散波与柱蓄和楔蓄理论建立Muskingum-Cunge水位流量演算模型进行具有行蓄洪区的复杂河系洪水预报。以淮河鲁台子站以上流域2016年汛期洪水为例,将构建的气象水文耦合预报模型进行洪水预报试验。结果表明,模型取得了较好的预报精度,应用格点化降水预报产品考虑预见期内降水预报的洪水预报对于不考虑预见期降水预报,洪水预报预见期得到一定的有效延长,对同类流域预报有一定的借鉴意义。 相似文献
9.
主要介绍概率预报的Logit模型以及概率预报的评分方法，在T63资料的基础上，应用Logit模型建立南宁市降水概率预报方程，并就预报结果进行评估。 相似文献
10.
利用1999—2009年安徽省淮河以南地区60个县市站夏季逐日降水资料和安庆市探空站逐日资料,研究了中低层不同风向配置下局地降水与大尺度降水场之间的关系,以3种不同预报对象及相应的预报因子分别采用神经网络和线性回归方法设计6种预报模型对观测资料进行逼近和优化,从而实现空间降尺度.分析对比6种预报模型46站逐日降水量的拟合和预报效果,结果表明:采取相同的预报对象及预报因子的BP神经网络模型在拟合和预报效果上均好于线性回归模型,可见夏季降水场之间以非线性相关为主;神经网络模型预报结果同常用的Cressman插值预报相比,能很好地反映出降水的基本分布及局地特征;预报对象为单站降水序列的神经网络模型在以平原、河流为主要地形的区域预报效果较好,预报对象为REOF主成分的神经网络模型则在山地和丘陵地形区域预报效果较好. 相似文献
11.
利用青海省1983～2002年20a冬春季节的降水资料，分析了各旬的降水天气过程特征，应用单站压、温、湿曲线，建立了各站降水过程预报模型；并总结了数值预报产品在冬春季高原中期降水天气过程预报中的可信度和预报依据，为提高中期降水过程的预报准确率，提供更多的参考信息。 相似文献
12.
使用1970－1998年5－10日地面以及850hPa、700hPa、500hPa天气图资料，卫星云图资料，同期丹江口水库入库流量资料和汉江中上游50个雨量站点日平均降水量资料，采用统计学方法，对影响到丹江口水库运行的致洪降水过程的天气系统进行了归类分型，建立了汉江中上游致洪峰水过程预报模型；配合预报模型，对致洪降水的诸多天气因子进行了相关分析，筛选相关性和稳定性较好的因子，建立了汉江中上游不同量级降水的预报指标和预报判据；将以上预报方法试用于2000年5－10月，其预报效果较好。 相似文献
13.
采用条件亚正态模型方法,生成了具有包含不同可能性的降水集合预报。为了保持各子流域降水集合预报变量之间的空间相关性,采用集合预报重组方法对降水集合预报进行重新排列。使用重组后的降水集合预报驱动水文模型,实现了淮河上游大坡岭-息县、淮河上游息县-王家坝和汝河-洪河上游3个子流域的12次洪水过程的洪水概率预报,并对1988年9月7日和1991年7月31日两次洪水概率预报进行个例分析。结果表明:相对于单一确定性预报,通过条件亚正态分布模型生成降水集合预报后,再经过Schaake洗牌法空间相关性重新组合的降水集合预报,捕捉洪峰出现时间和流量的能力更强。对洪水概率预报来说,降水概率预报更能达到对未来的水文事件进行最大可能估计的目的,并尽可能综合了降水预报不确定性因素,同时也说明维持变量原有的空间相关特征对于降水概率预报具有重要意义。 相似文献
14.
场对场预报模型及其对降水的预报试验 总被引：1，自引：0，他引：1
用经验正交函数对预报因子场和预报对象场分别进行分解，将正交展开的时间系数作为预报因子和预报对象，提出了一种场对场预报模型，该模型考虑了预报系统的时变性，并利用云南５月份的雨量资料进行了预报试验。结果表明，用这种模型作区域性降水预报有一定的优越性。 相似文献
15.
将武汉天空云量预报的81个预报因子运用到该站中等以上强度的降水预报中,基于SVM方法进行了交叉验证和预报试验。结果表明用81个预报因子建立的5～9月和全样本的降水预报模型有较好稳定性、且对降水都有正的预报技巧。因此天空云量的预报因子可以用来做降水的预报因子,同时也证明了这些预报因子在天空云量和降水预报中是协调的。SVM方法为天空云量和降水的预报提供了客观参考依据。 相似文献
16.
基于欧洲中期天气预报中心(the European Centre for Medium-Range Weather Forecasts, ECMWF)2015年2月8日—2016年12月31日中国华东及华南地区24～168 h预报时效的逐日24 h累积降水集合预报资料,利用前馈神经网络建立NN(Neutral Network)模型及NN-GI(Neutral Network-Geographic Information)模型进行概率预报试验,并对两个模型输出的概率预报结果进行评估。结果表明,经NN模型和NN-GI模型订正后,降水概率预报结果得到明显改进,在168 h预报时效时,降水概率预报的CRPS值与原始集合预报相比分别下降了约16.00%、21.27%。与NN模型相比,NN-GI模型由于考虑到各格点的地理信息差异,在区域内预报技巧整体改进更优。这表明,在利用机器学习方法改进降水预报时,在模型中加入各个格点的地理信息非常重要。 相似文献
17.
以2008—2010年5—9月日本、德国、T639数值预报模式降水产品为基础,采取反距离插值的统计降尺度分析方法,将数值预报模式降水格点数据插值到北京西北、东北、西南、东南区域的延庆、密云、房山、观象台4个典型代表站点上;再结合统计分析,将夏季产生降水的天气系统分为西来槽、东北低涡、蒙古低涡、其他系统4种类型,采用预报准确率定级方法对各家模式配以不等权权重系数,从而建立北京地区夏季多模式集成降水预报模型,并用独立的样本对预报模型进行了业务试运行检验,检验结果表明:所建模型对降水预报的改进效果较好,优于单个数值模式降水预报。该模型的建立和应用方法为其他区域本地释用数值模式降水预报产品提供了一定的客观参考。 相似文献
18.
对2019年2—10月人工智能临近预报模型的降水、雷电、雷暴大风和冰雹等4类产品分别进行了业务检验与分析，结果表明：（1）对于降水产品，随着降水量级的增大，模型预报效果变差。相对来说，模型对0～1 h降水的预报能力略优于1～2 h，模型在0～2 h内完全不能预报出站点上≥10 mm的实况小时降水。（2）对于雷电产品，总体上模型的预报能力较差，1～2 h的预报效果明显比0～1 h差。相对5与20 km半径格点化实况，当取10 km半径格点化时，模型的雷电整体预报效果最优。（3）雷暴大风与冰雹产品具有类似的特点：在适当的时空匹配方式下，模型能预报出大多数实况中出现的雷暴大风或冰雹，但虚报率高，业务应用中主要考虑消空。最大时间提前量随着空间匹配半径或时间扩展的增大而增大，相对于冰雹预报，雷暴大风预报的最大时间提前量要优于冰雹预报。当空间匹配半径取10 km和时间扩展取20 min时，既可兼顾雷暴大风和冰雹的局地性，又可保证定量检验上相对较优。 相似文献
19.
20.
土壤中水热运动耦合方程预报模型研究 总被引：2，自引：0，他引：2
在土壤中热运动耦合方程模拟模型的基础上，对作物根系吸水函数进行改进，提出一个仅与降水、作物发育期和叶面积有关的新的根吸水函数表达式，从而建立土壤水分的预报模型。模型只需输入气象变量、土壤温度、土壤水文学参量及作物发育期等常规资料，即可对冬小麦田土壤水分状况进行预报，预报值与实测值的平均最大相对误差在8％以内。 相似文献