共查询到17条相似文献，搜索用时 734 毫秒
1.
基于C4.5算法的长江中下游地区夏季降水预测模型研究及应用 总被引：2，自引：0，他引：2
为了对长江中下游夏季降水进行短期气候预测,利用国家气候中心提供的74项环流指数和NOAA整编的西太平洋型WP指数、MEI指数、ENSO指数等多种全球环流指数资料,归纳整理了影响长江中下游夏季降水的34个前期春季因子,讨论了前期春季因子与夏季降水的关系,并利用这34个前期春季因子通过数据挖掘中的C4.5算法对1951—2013年(63 a)长江中下游夏季降水,建立判别降水偏多以及偏少的两类决策树预测模型,并分别得到5条和7条综合判别规则。随机选取80%左右历史年份数据作为模型的训练集,两模型的训练集准确率分别为94.12%和93.88%,剩余20%年份数据作为模型测试集,模型的测试预测准确率分别达91.67%和85.71%。模型预测应用也显示结果正确。模型研究和应用显示,基于C4.5算法的长江中下游夏季降水预测模型具有较高的预测准确率,模型构建合理有效,判别规则依据大数据理论,广泛考虑相关因子以及因子的排列组合,智能化选择关键因子,易于客观化、自动化实施,为长江流域汛期降水的短期气候预测提供了新的思路与方法。 相似文献
2.
利用中国756个站点观测数据、Nio3区海温指数和74项环流指数等资料,应用EOF分析和相关分析等方法,对中国西部山区夏季(6—8月)降水的时空分布特征及其与ENSO和大尺度环流的相关关系进行分析。结果表明,中国西部山区夏季降水与冬季(上年12月—2月)Nio3区海温具有显著的正相关关系,且两者的相关关系与月份、海拔高度关系密切,并具有年代际变化特征。西部山区降水还与春季(3—5月)西太平洋副热带高压的强度具有显著的正相关关系。将西部山区夏季平均降水作为预测量,前期冬季Nio3区海温和春季西太平洋副热带高压强度作为预测因子,分别对秦岭、巫山山区降水建立预测模型,并利用该预测模型对2009—2018年夏季降水进行独立样本回报检验,发现预测模型对秦岭、巫山山区的预测成功率分别为70%和80%,相对误差绝对值通常小于10%,预测效果良好。 相似文献
3.
本文研制建立了一个预测青海省夏季降水的动力—统计相结合的组合降尺度预测方法（Hybrid Statistical Downscaling Prediction，HSDP），该方法综合利用了气候模式Climate Forecast System 2.0版本（CFSv2）实时预测的高可预报性环流信息及前期观测的与青海夏季降水具有高相关性的气候因子，采用年际增量方法，基于气候变量的年际增量规律建立统计模型，从而实现对青海夏季降水进行动力—统计相结合的气候预测。根据全球气候因子的年际增量与青海省夏季降水年际增量的相关系数，以及CFSv2预测产品对实况模拟能力的评估，选取以下关键区气候变量的年际增量作为预测因子：（1） CFSv2模式预测当年夏季包含贝加尔湖脊、乌拉尔山脊和新疆脊区域的500 hPa高度场；（2） CFSv2模式预测青藏高原以西200 hPa纬向风场；（3）观测资料中前1 a秋、冬季热带太平洋地区海表面温度场；（4）观测资料中前1 a秋、冬季西伯利亚地区的海平面气压场，对青海省夏季降水进行统计降尺度预测。统计降尺度模型利用1983—2011年进行建模，回报2012—2018年夏季青海省降水的空间分布和时间变化，并对该模型对1983—2011年的夏季青海省降水的回报能力进行了交叉检验。回报结果表明该统计降尺度模型对CFSv2的青海省夏季降水预测能力有显著的提高，能够很好地再现青海省夏季降水西北部的高原地区偏少，而在东南部偏多的特点。该模型预测所得2012—2018年夏季青海省降水的时间变化也与实况有着较高的相关系数（0.76），对于降水显著偏少的年份（如2015年）和显著偏多的年份（如2012、2018年）的降水预测都有很好的表现。对于建模时段的交叉检验结果（相关系数为0.46，比模型回报结果与实况的相关系数0.48略低）表明，该模型具有较高的稳定性和可靠性。 相似文献
4.
利用1980—2016年第二松花江流域（SSR）夏季（6—8月）平均降水量资料、NCEP/NCAR再分析月平均环流场资料、NOAA的月平均海温场资料，采用年际增量预测方法，通过分析与SSR夏季降水年际增量相关的环流及海温，确定了超前12个月内的6个预测因子，包括：11月东亚200hPa纬向风、12月西藏高原-2指数、12月赤道中东太平洋200hPa纬向风、2月印度洋海温、10月西太平洋暖池海温、4月东亚100hPa经向风。在此基础上利用这 6个预测因子，利用1980—2010资料建立SSR夏季降水年际增量的统计预测模型，最后根据年际增量给出SSR夏季降水的预测结果。经检验，1981—2010年，SSR夏季降水年际增量的预测拟合系数是0.83，SSR夏季降水预测结果拟合系数为0.67，SSR夏季降水预测结果相对均方根误差为15%，均通过了显著性检验；对2011—2016年进行试报实验，该模型也很好的预测出降水的年际增量变化趋势，除2014年以外，SSR夏季降水预测结果相对均方根误差绝对值都控制在23%以内，2016年仅为-9.9%。因此，通过预测降水的年际增量，进而再预测降水的方法，具有一定的预测技巧，可作为有效方法投入实际业务应用。 相似文献
5.
基于1961—2016年5—8月西藏高原环流指数、NCEP再分析资料和新疆96个气象观测站点的降水资料,通过相关分析和合成分析,研究了5月青藏高原上空环流与北疆夏季降水的关系,以及两者之间可能影响的物理机制。结果表明:(1)5月西藏高原环流指数Ⅰ与北疆夏季降水有较好的相关性,相关系数为0.38;(2)5月西藏高原环流指数Ⅰ的强弱变化会影响500hPa的夏季环流特征、夏季地表至300 hPa的水汽通量输送,当指数偏强时,夏季环流形势的配置和水汽输送均有利于北疆夏季降水,反之,则不利于北疆夏季降水;(3)夏季西藏高原环流指数Ⅰ和北疆夏季降水、5月西藏高原环流指数Ⅰ的关系密切,并且5月西藏高原环流指数Ⅰ和青藏高原5月、夏季的感热通量有明显的负相关,通过高原的热力持续性作用,5月西藏高原环流指数Ⅰ的强弱可以影响北疆夏季降水的多少。 相似文献
6.
基于CART算法的夏季干旱预测模型研究及应用 总被引：1，自引：1，他引：0
利用标准化降水蒸散指数(SPEI)作为判断干旱是否发生的标准,基于数据挖掘方法中的CART算法探究夏季西太平洋副高北界、夏季西太平洋副高强度指数、准两年振荡(QBO)、东亚夏季风指数、夏季北大西洋涛动(NAO)、夏季太平洋年代际振荡(PDO)、厄尔尼诺指数等多项气候因子与干旱的关系,构造分类决策树,得到干旱预报规则集,从而建立干旱的预报模型。预报模型以各项气候因子为输入变量,是否干旱为目标变量。根据1955—2012年商丘月平均气温和月总降水资料计算出商丘夏季58 a的SPEI指数作为干旱判定指标;以同期的多项气候因子数据作为输入变量,随机选取46 a的数据得到7条分类规则集,分类准确率为86.96%。使用剩余12 a的数据验证,准确率高达91.67%。结果有力地证明了基于CART算法建立干旱预报模型的可行性、科学性、有效性以及与干旱研究理论的一致性,为干旱模型的研究及季节性预测提供了科学有效的新思路。 相似文献
7.
利用中国西南地区80站逐月降水资料及NCEP/NCAR再分析资料等,采用降水预测新方法——年际增量法,考察影响中国西南地区夏季降水年际增量的前期冬、春季大气环流年际增量状况,并选取5个关键影响因子,采用多元回归法建立中国西南夏季降水年际增量预测模型。对降水年际增量进行预测,在1971—2010年的建模阶段,预测模型的拟合率为0.78,在2011—2017的后报检验7年中,有6年与实况值同位相。后报检验2011—2017年的降水距平百分率,均方根误差为16%。为考察对降水异常分布型的预报效果,逐站建立回归方程,并进行趋势预报检验,近5年的趋势异常综合评分高于发布预测,预报效果较好。因此,该方法的应用及模型的建立对提高西南地区夏季降水预测水平有重要意义。 相似文献
8.
夏季亚洲对流层温度异常与中国东部夏季降水紧密相关并可能作为降水的有效预报因子。基于欧盟ENSEMBLES计划的季节预测试验耦合模式每年5月1日开始的回报试验，分析了其对1960～2005年夏季亚洲对流层中上层温度（以200～500 hPa厚度替代，简称对流层温度）年际变率的预测结果，发现模式集合平均对夏季亚洲对流层温度年际变率具有较高的预报技巧，可以合理回报其前两个EOF（Empirical Orthogonal Function）主导模态（EOF1、EOF2），只是未能回报出EOF2高纬度的温度异常，模式集合平均预测的第一模态主成分（PC1）和第二模态主成分（PC2）与再分析资料的时间相关系数分别达到0.63和0.77。再分析资料中前两个EOF模态分别由ENSO（El Ni?o–Southern Oscillation）发展年印度夏季降水异常所激发的丝绸之路遥相关波列和ENSO衰减年西北太平洋夏季降水异常对应的太平洋—日本遥相关波列导致。ENSEMBLES计划可以合理预测出相应的海温异常及遥相关波列，进而合理预测出前两个EOF模态。对流层温度PC1和PC2分别表征了欧亚大陆与周围海洋之间的纬向和经向热力对比异常，模式对由PC1的预报技巧远高于前人定义的纬向热力对比的东亚夏季风指数，对前人定义的经向热力对比指数的预测技巧与PC2相当。将PC1和前人定义的经向热力对比指数作为预报因子，建立了中国夏季降水的动力—统计降尺度预测模型，交叉检验的结果表明该预报模型显著提高了东北和长江流域上游夏季降水的预报技巧。本文提出的亚洲对流层温度年际变率的EOF1及PC1，既能较好表征纬向热力对比与中国东部夏季降水显著相关，又能被模式合理预测，可以作为我国中高纬度地区，特别是东北地区降水的重要预测因子之一。 相似文献
9.
10.
夏季降水日数的准确预测,对于保障农业、运输业、电力等行业的有序进行具有重要现实意义.利用连云港市气象局提供的1951—2012年夏季降水数据对连云港地区的降水日数特征进行分析,难以直观地发现夏季降水日数随时间分布的规律.为进一步探索降水日数的发生规律,结合国家气候中心网站提供的多种气候因子数据,基于CART决策树算法构建了连云港地区夏季降水日数是否偏多与是否偏少的分类与预测模型.该模型可以发现在多种气候因子不同条件下,夏季降水日数是否偏多（偏少）的规律,模型的分类与预测都具有良好的效果.利用52 a的数据样本训练模型,模型的训练准确率为90.38%（86.54%）,再用剩余10 a数据样本检验模型,测试准确率为80%（80%）,并且得到规则集,方便气象业务人员使用以及决策服务人员参考.同时,为降水日数的预测提供了数据挖掘的新思路. 相似文献
11.
江苏近40a夏季降水异常及其成因分析 总被引：4，自引：3，他引：4
利用1961-2000年江苏省60个台站的月降水量资料，研究了江苏夏季(6、7、8月)降水量的异常空间分布特征和时间演变规律，分析了与江苏夏季降水有关的大气环流异常的基本特征及引起江苏降水异常的原因。结果表明：(1)江苏夏季降水异常主要表现出两种最为典型的空间分布。其中，第一类雨型反映了全省降水的一致性变化，表现出整体偏多或偏少的情形；而第二类雨型则反映了降水异常的南北反相分布，对应的降水分布为南多北少或南少北多的形势；(2)两类雨型均存在明显的年际变化，两类雨型均与西太平洋副热带高压的南北异常有密切关系，但二者的大气环流背景场又存在显著的不同；(3)不同区域、不同季节的SSTA与两类降水异常存在一定的相关关系，是造成江苏降水年际异常的可能原因之一。前冬北太平洋SSTA偏暖(冷)通常与江苏夏季降水的整体偏多(少)有关；而前期冬季南印度洋、春季热带印度洋、南海及我国东部沿海地区出现的SSTA大范围的冷(暖)异常，通常对应江苏夏季降水南少(多)北多(少)。 相似文献
12.
13.
现阶段的动力气候模式尚不能满足东亚区域气候预测的实际需求,这就需要动力和统计相结合的方法,将动力模式中具有较高预测技巧的大尺度环流信息应用到降水等气象要素的统计预测模型当中,以改善后者预测效果。本文中所介绍的组合统计降尺度模型,可将动力气候模式预测的大尺度环流变量和前期观测的外强迫信号作为预测因子来预测中国夏季降水异常。交叉检验结果显示,组合统计降尺度预测模型的距平相关系数较原始模式结果有较大提高。在实时夏季降水预测中,2013～2018年平均的预测技巧相对较高,趋势异常综合检验（PS）评分平均为71.5分,特别是2015～2018年平均的PS评分预测技巧达到72.7分,总体上高于业务模式原始预测和业务发布预测的技巧。该组合统计降尺度模型预测性能稳定,为我国季节预测业务提供了一种有效参考。 相似文献
14.
分别以GRAPES和MM5为核心建立中尺度数值预报业务系统,并对2006年6～8月温度和降水预报产品业务应用效果进行严格的检验。结果表明:GRAPES和MM5对黑龙江省都具有较强的预报能力,温度预报两者相当,24h降水预报GRAPES总体好于MM5,48h降水预报MM5总体好于GRAPES。两个中尺度数值预报业务系统的产品,对实现精细化预报有重要的作用,可以作为加工预报产品的基础。 相似文献
15.
利用1979-2018年252个台站逐日降水资料和NCEP/NCAR再分析等资料,分析了江南初夏降水集中期降水(Rainfall in the Precipitation Concentrated Period,RPCP)的时空演变及其环流特征,并通过寻找其前期物理因子建立统计预测模型。结果表明:(1) 6月10-29日为江南初夏降水集中阶段,其降水呈现全区一致的空间分布结构。20世纪90年代初—21世纪初江南地区为多雨期,在此期间RPCP强度存在3~5 a的周期振荡;(2)与异常偏多的RPCP显著相关的热带海温异常从EP El Ni1o转为CP La Ni1a,即RPCP异常偏强通常发生在EP El Ni1o衰减阶段,随后将出现CP La Ni1a发展事件;(3)前期冬春季ENSO海温信号、赤道中太平洋SLP异常及印度洋—海洋性大陆SLP趋势均可通过增强菲律宾海反气旋对RPCP异常变化产生影响。基于这3个物理因子建立统计预测模型,预测与观测结果相关系数达0.63,说明该模型可为江南初夏降水的季节性预测提供有用工具。 相似文献
16.
中国东部夏季降水与东亚垂直环流结构及其预测试验 总被引：2，自引：1，他引：1
本文在分析中国东部夏季降水的时空分布特征基础上, 从东亚高、中、低层大尺度环流异常着手, 选取对中国东部夏季降水异常有显著影响的大气环流预报因子, 分别应用逐步回归和最优子集回归法两种统计降尺度方法, 以动力气候模式CAM3.1预报输出的大气环流预报因子为基础, 以中国东部夏季降水的典型空间分布型为预报对象, 建立动力与统计相结合的中国东部夏季降水预测模型, 并对1981～2000年的中国东部夏季降水进行回报试验。结果表明: 中国东部夏季降水具有4类典型的空间分布型式, 且具有显著的准2年和年代际尺度振荡周期; 东亚高、中、低层大气环流异常的特定配置, 对东部夏季降水的空间分布型有显著影响; 使用两种降尺度方案建立的动力与统计相结合的预测模型对中国东部夏季降水异常具有一定的预报技巧, 可以在一定程度上提高动力模式对中国东部夏季降水的预报效果。 相似文献
17.
利用1961—2019年江苏省67个站降水量和气候指数数据集等资料,选取大气环流、海温和积雪等先兆信号的不同组合作为预测因子方案,通过对比不同机器学习方法对江苏省夏季降水开展预测试验。结果表明,深度神经网络（Deep Neural Network,DNN）较传统统计方法和其他机器学习方法有一定优势,深度神经网络结合动态权重集合因子方案对江苏省夏季降水的预测技巧最高,其独立样本检验结果稳定,2015—2019年的平均PS评分为76.0,距平符号一致率为0.62,距平相关系数达0.35,尤其对江苏省中南部的预测技巧更高,具有业务应用价值。不同预测因子方案对比分析表明,大气环流因子在江苏省夏季降水预测中做主要贡献,而海温因子和积雪等其他因子也有正贡献,说明使用综合性预测因子以及集合方案有助于提升季节预测准确率。 相似文献