共查询到20条相似文献，搜索用时 93 毫秒
1.
2.
基于支持向量机的遥感大雾判识 总被引：1，自引：0，他引：1
提出了一种基于支持向量机的卫星遥感数据大雾判识方法:首先通过对风云1D卫星大雾区域的各通道辐射值出现频次进行概率统计,利用其阈值来粗判识大雾;然后在粗判识的基础上通过支持向量机的方法进行大雾细判识;最后利用腐蚀和膨胀的图像处理技术对判识后的图像进行优化处理。在对我国2006年9-12月的65条监测到大雾的风云1D轨道的探测数据进行分析之后,发现大雾判识结果与专家标记吻合。检验结果表明,利用1、2、4、6、7、10通道组合进行粗判识的结果最好,5交叉正确率为89.9849%,TS评分为74.04%。利用上述方法对个例的分析检验表明,基于支持向量机的遥感大雾判识方法是切实可行的。 相似文献
3.
成乐高速公路大雾预报方法研究 总被引：1，自引：0，他引：1
本文重点分析成乐高速公路沿线大雾历年变化特征,分别用指标判断法和非线性统计支持向量机SVM方法,对成乐路沿线各站大雾的有无定性和能见度量级做出短期和短临客观预报模型,最后通过人为经验订正,对沿线各站大雾做出精细化客观预报;其次,作为新方法的探讨,用中尺度wrf模式对2008年一次典型连续强浓雾天气作了数值模拟试验,试验结果良好,但是该方法的业务化应用有一定难度,还有待进一步研究。 相似文献
4.
最小二乘支持向量机在云量预报中的应用 总被引：2，自引：2，他引：0
基于2003-2006年逐年1、8月WRF区域数值预报产品和单站观测资料,采用最小二乘支持向量机回归方法,结合选取合适的参数和核函数,分别按月通过不同长度样本序列建立了台北和厦门站总云量和低云量短期释用预报模型,利用2007年1、8月样本资料对模型进行了预报和检验,并与神经网络方法进行了对比.结果表明:最小二乘支持向量机回归方法的预报效果要好于神经网络方法;两站不同长度样本的总云量和低云量预报模型,预报效果较好,其预报准确率不会因为训练样本的减少而降低.可见,最小二乘支持向量机回归在云量等气象要素释用预报方面,具有较好的应用前景. 相似文献
5.
基于交叉验证的多模式超级集合预报方法研究 总被引：7，自引：1，他引：6
利用AREM、MM5和WRF 3个中尺度有限区域模式,通过选取对短期天气预报影响颇大的积云参数化方案和边界层方案构成15个集合预报成员,以2003年7月汛期天气为研究对象,分别采用相关加权、多元线性回归以及支持向量机回归与"交叉验证"相结合的方法,开展有限区域模式的多模式短期超级集合预报研究.文中主要对上述3种方法的24 h降水和700 hPa流场的超级集合预报结果与多模式集合平均预报结果以及T213模式结果进行了对比分析,结果表明:(1)对于24 h降水,支持向量机回归方法的超级集合预报得到的均方根误差比多模式集合平均小,各降水临界值的TS异常评分比多模式集合平均高;并且它也较相关加权法和多元线性回归的超级集合预报效果好.(2)对于700 hPa流场,对比分析各预报结果经过向量EOF分析得到的风场第1模态和第2模态表明,多模式集合平均主要使风场强度变小,多元线性回归和支持向量机回归的超级集合预报可以较好地刻画风场的强度分布,其中支持向量机回归的超级集合预报对风场强度及其区域分布的预报效果最好.(3)对于700 hPa流场,超级集合预报明显优于同期T213模式预报,从相同的预报均方根误差意义看,支持向量机回归的超级集合预报至少较T213模式预报能提前12 h. 相似文献
6.
支持向量机与卡尔曼滤波集合的西太平洋副热带高压数值预报误差修正 总被引：1，自引：0，他引：1
基于T106数值预报产品资料,提出了支持向量机和卡尔曼滤波相结合的方法来进行夏季西太平洋副热带高压数值预报的误差修正与预报优化。首先采用支持向量机方法建立了西太平洋副热带高压面积指数的误差修正模型。基于支持向量机预报优化模型尽管有比较好的拟合精度和预报效果,但与实际副热带高压指数尚有一定的差异。究其原因,除预报对象(副热带高压)本身比较复杂、模型优化因子不够充分以及数值预报误差自身的随机性以外,优化模型的输入、输出基本上是一个静态映射结构,因此前一时刻的预测误差难以得到有效的反馈、调整和修正。为考虑前一时刻预报误差的反馈信息,动态跟踪副高的变化趋势,随后引入卡尔曼滤波方法建立支持向量机-卡尔曼滤波模型,对支持向量机模型的输出结果作进一步的调整和优化。试验结果表明,该方法模型的预报优化效果优于T106数值预报产品以及单纯的神经网络修正模型和卡尔曼滤波修正模型的优化效果,能够较为客观、有效地修正西太平洋副热带高压指数的数值预报误差,改进和优化西太平洋副热带高压的数值预报效果。该方法为副热带高压等复杂天气系统和要素场预报提供了一种新的思路,表现出较好的应用前景。 相似文献
7.
8.
选取单部雷达的CAPPI资料,在TREC(Tracking Reflectivity Echo by Correlation)的基础上,引入径向基函数网络、广义回归网络、小波BP网络3种人工神经网络以及支持向量机,对雷达反射率因子进行1h的临近预报研究,并与TREC外推预报的结果进行了比较.使用了命中率、虚警率、漏报率、临界成功指数、相关系数和均方根误差6个指标检验人工神经网络、支持向量机和TREC的预报效果.结果表明:在使用这些指标检验预报效果时设定的阈值对预报结果的评价有影响;网络与TREC以及不同的网络之间的预报结果存在着差异;与TREC相比,支持向量机比TREC总体上能更好地预报未来1h以内强对流性天气的发展变化情况. 相似文献
9.
10.
车怀敏 《高原山地气象研究》2005,25(2)
本文对支持向量机(svm)回归方法的基本原理作了简要的概述.用常规观测资料并依据预报人员的实际工作经验选取预报因子,采取经典统计预报方法的方式,利用svm方法,选取径向基作为核函数对德阳市各站日降雨量建立预报模型. 相似文献
11.
雾和霾都是低能见度天气,生成条件相似。利用安徽78个地面站逐时观测资料,基于雾、霾发生物理条件,建立了不同等级雾日和重度霾日的观测诊断方法,重建了不同等级雾和重度霾的时序资料。根据各站强浓雾发生的同步性,将安徽分为5个雾、霾分布特征不同的区域,探讨了各区域不同等级雾及重度霾出现时地面气象条件的异同。结果表明:（1）安徽省强浓雾主要是辐射雾。强浓雾、浓雾和大雾空间分布形势大体一致,淮河以北东、西部和江南都属于强浓雾高发区,但各地强浓雾的时、空分布特征和影响系统不同;重度霾有明显的北多、南少、山区最少的分布特征。（2）强浓雾年变化呈双峰型分布,峰值在1月和4月,日变化为单峰型,峰值在06时;而重度霾年变化为单峰型,峰值在1月,日变化为双峰型。（3）在强浓雾的高发时段（02—08时）,强浓雾时降温幅度最大,比重度霾平均高1℃,风速显著偏低,超过75%的样本风速低于1.5 m/s,且无明显主导风向;而重度霾时,风速比雾时明显要大,个别区域有超过75%的样本风速大于1.5 m/s,且以西北风到东北风为主。说明重度霾能否演变为强浓雾的关键地面气象因子是风速、风向和降温幅度。 相似文献
12.
13.
河南省一次大雾的数值模拟及生消机制分析 总被引：1，自引：0，他引：1
应用非静力平衡中尺度模式MM5及NCEP资料和高空地面资料,模拟分析了2006年1月28日发生在河南省的一次大雾天气过程,结果发现：这次雾体最强的时段在日出后1～2h内,相对湿度下降的拐点滞后于气温回升的拐点2h左右;先出现贴地逆温再出现大雾,逆温最强的时段也是雾体最强的时段,逆温层顶始终覆盖在雾体上方;近地面的微风和风向的转变,有利于雾体的形成和向上发展,风向转变的时间也是雾体形成的时间;增温、减湿和逆温层的破坏是大雾消散的主要原因。 相似文献
14.
2014年3月12日广州白云机场出现了一次持续性大雾伴雷暴天气,本文利用常规资料和WRF模式进行综合分析。研究表明,低层偏南暖湿气流为大雾形成提供了充足的水汽和有利的风场条件,近地面充足的水汽、逆温层的稳定存在是本次大雾过程长时间维持的主要原因。伴随冷锋南下的偏北风使得逆温层、大气饱和状态破坏,是持续性大雾消散的动力因子。WRF模式模拟的地面水汽含量的空间分布、逐小时高度-时间序列图,对大雾生成、维持和消散的预警预报具有一定的参考性。此次雷暴发生在高空槽、切变线和地面锋面相配合的环流形势下,850hPa切变线配合地面锋面共同抬升触发雷暴。 相似文献
15.
北京一次大雾天气边界层结构特征及生消机理观测与数值模拟研究 总被引：12，自引：8，他引：4
在对2007年10月26日北京大雾天气形势及能见度分析的基础上, 利用12通道微波辐射计、风廓线仪及NOAA极轨卫星监测资料与中尺度数值模拟结果, 比较研究了雾的分布区域、温度、湿度、风速及液态水含量的边界层分布特征。利用中尺度模式模拟结果探讨了此次大雾的维持和形成机理, 具体展现了此次大雾是在稳定大气层结、充沛水汽条件下, 地面长波辐射冷却及雾顶的长波辐射冷却降温形成发展的过程, 而太阳的短波辐射对雾的减弱消散有重要影响。 相似文献
16.
利用MICAPS气象信息综合分析处理系统的历史气象资料,根据大雾形成的物理机制,对2008-2010年发生在中国典型区域大雾天气个例中主要影响因子进行分析,得出7个有利于区域大雾产生的因子。结果表明：7个因子中,逆温层厚度为20-200 hPa;地面温度露点差多小于1 ℃,前一日多小于3℃;近地面湿空气厚度0.05-0.70 km;逆温层极值点0 ℃线是雾淞产生特征线;地面偏南风风速为2-6 m·s-1;气温为-15.0～20.0 ℃,其中,-5.0～5.0 ℃占比例最大,0 ℃线是大雾发生的特征线;变性或减弱的高气压。7个因子均有12-24 h的超前特征,经过叠加,构成了“大雾落区基本概念模型”。根据模型建立了大雾落区预报业务系统。理论检验表明,区域大雾预报时效可提前到12-24 h,24 h区域大雾预报准确率为87.5 %。 相似文献
17.
本文利用常规高空探测资料和长水机场自动探测资料,分析了2013年12月26~31日大雾天气过程出现的天气背景和气象要素特征,以找出昆明准静止锋影响下长水机场大雾天气的特征。分析表明,此次大雾过程出现了5次大雾天气,在冷空气西进加强、维持、减弱摆动阶段均可产生,其中冷空气维持阶段大雾持续时间最长。大雾时长水机场位于锋后或锋面附近冷空气区内。大雾发生时昆明上空多有双层逆温出现,逆温层底高度低,湿层较深厚,最大相对湿度在92%以上;大雾发生时长水机场为东北风,风速2~5m/s,风向转为西南风,能见度将很快转好。 相似文献
18.
选取2007年2月和4月出现在大连及其沿海地区的两次大雾过程, 采用GTS1型数字式探空仪探测资料、常规观测资料和NCEP/NCAR再分析资料, 对其环境场、热力和动力作用等进行诊断分析。结果表明:大雾期间, 中高纬度地区高空纬向暖干气流和对流层中下层西南暖湿气流, 为大雾形成提供了有利的水汽和风场条件。低层大气稳定层结的建立及暖干空气与雾层的上下叠置, 有利于大雾的维持。黄渤海的海温作用使冬季地面冷高压进一步增温变性, 有利于辐射雾形成发展, 使春季的暖气团冷却凝结, 有利于平流冷却雾的生成维持。伴有冷平流东移南下的偏北风是促使持续大雾消散的动力因子。 相似文献
19.
20.
北京城市重烟尘雾与水雾过程的边界层结构 总被引：7，自引：2，他引：7
分析1999年11月1日至12月20日北京城市雾综合性观测试验中5次雾过程的实测资料，对如何区分重烟尘雾与水雾过程给出了判定方法，并对重烟尘雾与水雾过程的边界层结构特征作了探讨。主要结论为：从能见度、相对湿度、长波辐射平衡3个方面可以区分重烟尘雾过程和水雾过程；由于重烟尘雾和水雾的物理化学性质差异很大，对城市大气边界层结构产生的影响也不同，因此造成它们在相对湿度逆温层、风速分布、水汽变化等方面也有很大差异。 相似文献