共查询到20条相似文献，搜索用时 132 毫秒
1.
为提高山东定量降水预报准确率,采用深度前馈神经网络（Deep Forword Neural Networks,DFNN）和降水分级最优TS(Threat Score)权重集成方法对多模式集成降水预报进行研究。对2019年4—9月欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasting, ECMWF）全球数值预报系统、中国气象局上海数值预报模式系统（China Meteorological Administration Shanghai9 km, CMA-SH9）和中国气象局中尺度天气数值预报系统（China Meteorological Administration Mesoscale, CMA-MESO）逐24 h累积降水量预报进行有监督训练,得到4组DFNN(ES、EM、SM、ESM)深度学习模型,并利用多模式降水分级最优TS权重集成方法建立Mul-OTS(Multi-mode Optimal Threat Score)集成模型。用2020年4—9月各模式逐24 h累积降水量进行降尺度格点预报,对5种集成方案对比... 相似文献
2.
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
3.
利用逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料,通过分析提取我国南方区域持续性低温雨雪过程及其预报因子,使用粒子群-神经网络方法建立非线性的统计集合预报模型 (PSONN-EPM),对我国南方区域持续性低温雨雪过程进行预报试验。结果表明:以过程的冷湿程度及影响范围为标准,将低温雨雪过程分为一般过程和严重过程,并建立不同的预报模型效果较好。通过10 d独立样本预报试验看,基于粒子群-神经网络方法建立的集合预报模型比基于逐步回归方法建立的预报模型的预报平均相对误差小,对严重过程预报能力高于对一般过程预报,且这种非线性统计集合建模方法在建模过程中不需要调整神经网络参数,在实际预报业务中值得尝试。 相似文献
4.
以1960-2007年共48年6月份西行进入南海海域的热带气旋样本为基础, 将热带气旋中心附近最大风速作为台风强度, 以气候持续预报因子作为模型输入, 采用模糊神经网络方法, 进行了热带气旋强度预报模型的预报建模研究。结果表明, 对175个独立预报样本模糊神经网络方法的南海热带气旋强度24 h的预报平均绝对误差为3 m·s-1。另外, 根据相同的热带气旋样本及预报因子, 还进一步将该预报方法与国内外普遍采用的气候持续法热带气旋强度预报方法进行对比分析, 结果表明, 气候持续预报方法的预报误差明显偏大, 独立样本强度预报平均绝对误差为4.54 m·s-1。 相似文献
5.
利用Threat Score方法，对1991年6月12—15日，6月29日—7月12日江淮持续暴雨的定量预报进行了检验。结果表明，对于大雨和暴雨预报，目前主观预报优于客观预报。数值预报在降雨定量预报的某些方面有了一定突破。 相似文献
6.
分类与集成方法在降雨预报中的应用 总被引：2，自引：0，他引：2
介绍一种利用数值预报产品进行降雨预报的方法.该方法按照人工智能分类与集成的思想,利用前馈神经网络将T213、日本、德国的数值预报产品集成在一起,构成一个集成型的预报系统.在此基础上,利用高度场的天气形势和预报区域近低层流场和温湿条件,采用自组织神经网络进行天气分型,并针对不同的天气类型选用不同的预报因子,建立不同的预报模型.按照上述方法,选用江淮流域68个站点2003-2005年的5-9月数据,逐站建模,用2006-2007年5-9月的数据进行分级降水试报.各级降水预报结果表明,集成多家数值预报信息好于仅用单一模式的信息,采用天气分型建模优于不分型的建模.因此,多模式(型)预报结果的综合集成方法的研究,是数值预报解释应用中很值得探索的方向. 相似文献
7.
利用2015年1月-2021年3月ECMWF细网格数值预报产品构建训练样本，使用自动机器学习方法构建乌鲁木齐机场温度预测模型。结果表明：（1）ECMWF模式直接输出的乌鲁木齐机场温度平均绝对误差为1.7 ℃，基于自动机器学习方法的Auto-sklearn模型和Auto-Keras模型能够改善模式直接输出的误差，使平均绝对误差降低至1.4 ℃。（2）分析逐月模型预测准确率发现，Auto-sklearn模型的预报准确率（≤2 ℃）在4-10月稳定在85%以上，效果优于其余模型。（3）对于冬季低温天气，Auto-Keras模型预报准确率优于其余模型的效果，平均绝对误差为1.37～1.91 ℃；而对于温度≥0 ℃的情况，Auto-sklearn模型预测效果更好，平均绝对误差为0.93～1.22 ℃ 。 相似文献
8.
9.
常规降水检验受空间及时间微小差异所带来的"双重惩罚"影响严重,邻域空间检验FSS(Fraction Skill Score)方法在确定性预报中已体现出弥补这一不足的明显优势。随着集合预报分辨率的不断提高,集合降水预报同样存在与确定性预报相似的问题。本研究将FSS方法拓展至集合预报领域,构建适用于集合预报的降水空间检验指标EFSS(Ensemble Fraction Skill Score),利用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)集合预报模式2018年夏季降水预报产品及国家气象信息中心提供的格点化降水融合产品进行分析,发现EFSS评分不受集合成员数影响,可获取一致性的评估结论。通过与适用于集合预报的常规技巧评分EETS(Ensemble Equitable Threat Score)对比分析发现,常规技巧评分受限于评分过低而无法有效反映强降水过程间差异性特征,EFSS方法则可有效提升强降水预报检验辨识度。 相似文献
10.
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
11.
基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心（ECMWF）集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。 相似文献
12.
数值预报特别是集合预报技术大大提高了对极端天气的预报能力,目前对于温度、风、降水等要素,欧洲中心基于集合预报产品计算的极端指数产品为其极端性提供了定量化依据。但目前尚没有应用于业务预报的强对流天气极端指数产品,本文统计了与强对流天气密切相关的物理量,并计算了其极端天气指数,统计了极端天气指数在不同强对流天气中的阈值分布。结果表明,极端天气指数与强对流天气有密切的关系,且不同类型的强对流天气极端指数的分布和阈值具有各自的特点。基于上述结果,利用极端指数和模式降水资料,使用支持向量机方法,建立了不同类型强对流天气的客观预报方法,为业务预报极端强对流天气提供客观支持产品。 相似文献
13.
以GRAPES中尺度有限区模式作为试验模式, 从模式的不确定性方面来构造中尺度的集合预报, 重点考虑物理因子与初始条件的扰动作用。针对2004年7月10日北京城区的突发性暴雨过程进行了36 h的集合预报试验。结果表明:GRAPES模式可有效地捕捉到中尺度过程的信息; 中尺度集合预报是可行的, 可改进中尺度暴雨过程落区、强度的预报; 不同集合方案的预报结果各不相同, 同一方案各个成员的预报结果也有差异, 即存在适宜的离散度; 在离散度分析中发现在北京附近存在一个明显大值区, 且在大气中低层的垂直结构表现出一致性, 表明这一区域的预报不确定性很大。从集合检验结果中得到:单纯考虑模式物理扰动来构造中尺度集合预报系统有一定难度, 当加入初始场不确定信息后, 同时考虑模式的不确定性和初始场的不确定性, 有助于捕捉更多的中尺度系统的不确定信息, 有助于构造更为有效的中尺度集合预报系统。 相似文献
14.
集合预报在渤海极大风预报中的应用 总被引：1，自引：0，他引：1
利用2015年2月至2018年2月地面气象常规观测中逐小时极大风及欧洲中期天气预报中心集合预报中6 h极大风预报数据,选取渤海海域代表站点,对集合预报极大风产品进行预报误差特征分析。分析表明:集合预报极大风产品的离散度明显偏小于均方根误差,各个预报成员的预报结果集中与否并不能反映出预报可信度。受模式预报能力所限,无法简单通过集合预报选取出最为可信的预报结果。集合平均、第75%分位值、最大值在极大风预报中各有优劣,因此基于以上三个统计量及不同量级风速发生的频率建立了渤海极大风预报客观订正方法,试验对比分析表明,该订正方法可以使极大风预报准确率有效的提高,为大风天气过程预报提供重要参考。 相似文献
15.
短期集合预报中定量降水预报集合方法初探 总被引：17，自引：0，他引：17
针对短期集合预报中集合平均等方法对极端天气事件预报能力低下的缺陷，提出一种定量降水预报集合方法，简称两步法。该方法首先采用逐级归并法确定集合成员的总体相似度，进而确定集合成员预报场的延伸半径，对各成员的预报场进行修正，然后根据每个成员与其他成员的相似程度，确定各成员的权重系数。这个方法既考虑了集合成员总体的差异性又考虑了降水的概率分布。试验证明，通过上述两步得到的定量降水预报，对提高极端天气事件的预报确率有一定效果。本方法无需历史资料，能很好适应集合成员的改变，实现方便快捷。 相似文献
16.
Independent test results of four different weather forecast models [climatological, persistence, analogue, and regional mesoscale weather simulation (MM5) model] have been compared for four past winters (winter 2003–2004 to winter 2006–2007) for qualitative weather (snow day/no snow day) and quantitative categorical snowfall prediction at six different areas in northwest Himalaya (NW-Himalaya) in India. Weather forecast guidance provided by the MM5 model at 10 km resolution was taken for the study. Test results of MM5 and the analogue model were compared for a limited number of days (with irregular gaps) due to lack of availability of MM5 weather forecast guidance for complete winter periods. Forecasts based on the persistence, climatological, and analogue models were compared for day 1 predictions only. Performance of the analogue model for qualitative weather prediction was found to be comparable to that of the MM5 model for day 1 prediction. However, for day 2 and day 3, performance of the MM5 model was found to be marginally better than that of the analogue model. Marginal difference in overall accuracy of the analogue and MM5 models was found for quantitative categorical snowfall prediction for day 3. The quantitative categorical snowfall forecast error of the MM5 model was found to be greater than that for the analogue model for all three days. Comparative study of the performance of the climatological, persistence, and analogue models showed that the analogue model performs better than the persistence and climatological models for day 1 predictions. The results of this study suggest that the analogue model shows some capability for weather prediction and, along with the MM5 model, could be a useful tool for weather forecasters. Comparative study of the performance of the MM5 model at high resolution (about 2–3 km) and the analogue model for complete winter period may provide some interesting and fruitful results. 相似文献
17.
综合论述了近年来已在国际上引起高度重视的新一代动力随机预报方法 ——— 集合预报。 随着计算机技术的迅猛发展和由于大气初值和数值模式中物理过程存在着不确定性的事实, 这一方法无疑代表了数值天气预报未来演变发展的方向。 未来的天气预报产品预计将从“决定论”的预报转变为“随机论”的预报来正确地表达气象科学中这一所谓“可预报性问题”, 以便更好地为用户服务。 文中扼要地叙述了集合预报的概念、基本问题及其最新的研究动态和发展, 包括(1)如何建立和评估一个集合预报系统;(2)如何正确地表征大气初值和模式物理过程的不确定性与随机性;(3)如何从集合预报中提炼有用的预报信息和合理地解释、检验集合预报的产品, 特别是概率预报。 除了直接在天气预报上的应用, 还提到集合预报在气象观测和资料同化方面应用的动态, 以引起有关研究人员的注意。 相似文献
18.
目前,集合预报已成为天气预报业务的主要支撑。然而,由于数值模式本身的限制与不完善以及集合系统存在初值扰动、集合大小等方面的局限,常存在预报偏差。不同预报模式通常具有不同的物理过程参数化方案、初始条件等,导致其预报能力各有不同。为此,如何纠正预报偏差以及如何充分有效地利用不同模式的预报信息以获得更加准确的天气预报广受关注。近年来,利用统计理论与预报诊断,基于多个集合预报系统的多模式集成预报技术得到快速发展,已成为有效消除预报偏差从而提高天气预报技巧的一种统计后处理方法。针对气温、降水和风3个最基本的地面气象要素,首先依据预报形式将应用范围较广的简单集合平均、消除偏差集合平均、超级集合、贝叶斯模式平均、集合模式输出统计等加权或等权平均多模式集成技术,分成确定性预报和概率预报两大类,并做系统介绍。最后,讨论使用和发展多模式集成技术需要关注的问题,包括考虑参与集成的模式个数、发展降水及风速分级预报模型和发展基于机器学习的多模式集成新技术。 相似文献
19.
降水数值预报有很大的不确定性,与降水预报密切相关的物理过程参数化方案中关键参数的不确定性是降水数值预报误差来源之一,对这些参数引入随机扰动的随机参数扰动方法（Stochastically Perturbed Parameterization,简称SPP方法）可以代表模式降水预报的不确定性,是国际集合预报前沿研究领域。为了认识该方法能否代表中国冬季降水数值预报的不确定性,为业务应用提供科学依据,基于中国气象局中尺度区域集合预报模式（Global/Regional Assimilation and Prediction System-Regional Ensemble Prediciton System,简称GRAPES-REPS）,从对模式降水预报不确定性有较大影响的积云对流、云微物理、边界层及近地面层等四个参数化方案中选取了16个与降水密切相关的关键参数,引入了随机参数扰动方法,并通过2018年12月12日至2019年1月12日总计31天的冬季集合预报试验,对比分析了SPP方法对等压面要素及降水的集合预报效果。结果显示:在冬季应用SPP方法时,等压面要素的概率预报技巧总体来说优于无SPP方法扰动的对比试验,且对于低层、近地面要素的改进效果优于对中高层等压面要素的改进;但对降水概率预报而言,尽管检验评分数值略优于对比预报试验,但并未通过显著性检验,这表明,在东亚冬季风影响下,随机参数扰动方法对中国冬季降水概率预报技巧没有明显的改进。究其原因,可能是由于SPP方法主要代表对流性降水预报的不确定性,而中国冬季降水过程主要与斜压不稳定发生发展有关,模式降水以大尺度格点降水为主,对流性降水较少,故对冬季降水预报改进不明显,这为业务集合预报模式中应用随机参数扰动方法提供了科学依据。 相似文献