共查询到10条相似文献，搜索用时 15 毫秒
1.
《气象与环境学报》2016,(5)
利用2007—2013年安徽省闪电定位资料和蚌埠地区雷电灾害资料,选取安徽省蚌埠地区36个致灾雷电样本作为建模样本,采用全球预报系统GFS(Global Forecasting System)模式的强对流参数作为预报因子,利用Logistic回归法建立了蚌埠地区4种类型致灾雷电的预报模型。结果表明:CAPE、LFTX和PW共3个参数可作为蚌埠地区致灾雷电预报的指标;建立的4种类型致灾雷电模型的预报效果较好,其中08—14时雷电预报模型的总体预报准确率最高,可达83.00%。当雷电预报模型输出概率偏高且超过0.7时,4种致灾雷电预报模型的预报技巧评分最高,且预报准确率最高,失误率和虚警率较低,预报效果较好。夏季致灾雷电预报模型的整体预报效果较好,平均预报准确率达82.20%,特别是在雷电发生的密集地区,预报出了雷电的高概率分布。 相似文献
2.
利用贵阳站2020年1-10月逐日探空资料和闪电监测资料,逐一选取72个物理量参数纳入单因素逻辑回归,筛选具有显著性统计学意义（P＜0.001）的指标进入多因素逻辑回归模型,选取满足检验条件P＜0.05的参数得到雷电潜势预报模型,通过logistic回归联合ROC曲线模型开展雷电潜势预报研究。结果表明：①多因素逻辑回归模型预警效果优于单因素模型,预警准确度从75.4%提高到79.5%;②联合ROC曲线确定预报模型的概率阈值为0.611,雷电潜势预报的命中率POD为84.01%％,虚假警报率FAR为26.05%,临界成功指数CSI为69.38%,准确率较高,雷电潜势预报具有较好的预报能力;③Logistic回归模型联合ROC曲线法在气象预测预报,特别是非线性预测中有一定的应用价值。 相似文献
3.
利用卷积神经网络和门控循环单元（Gated recurrent units ）神经网络，基于雷达反射率因子和雷电定位数据开展了雷电预报研究。首先构建了引用注意力机制的基于卷积神经网络和门控循环单元神经网络的深度学习模型（Attention ConvGRU）；然后将雷达反射率因子数据和对应时间段（6 min）的雷电定位数据处理成图像数据后输入深度学习模型，训练出可预报雷电的模型，包括3种模型：单雷电数据模型、单雷达数据模型和雷电〖CD*2〗雷达双数据模型；最后开展了预报试验和定量评估。综合评估表明，本文建立的雷电预报模型综合预报准确率达到96.74%，虚警率35.83%，关键成功指数（Critical Success Index, CSI）为0.2072。个例分析表明，预报模型对于具有明显移动趋势的雷暴过程（A类雷暴）的预报效果优于不具有明显移动趋势的雷暴过程（B类雷暴）,且随着B类雷暴强度减弱模型预报能力逐渐减弱。 相似文献
4.
针对青藏高原地区雷电短临预报缺乏雷达资料的问题，采用FY 4A卫星多通道数据、欧洲中心第5代再分析资料（ERA5）中的对流指数、闪电定位仪资料等多源监测数据，根据雷电的发生、发展机理，提出了18个关键预报因子,利用随机森林算法建立了适用于西藏山南地区的雷电短临预报模型。统计分析各预报因子在有无雷电天气样本中的概率密度分布与随机森林模型得到的特征重要度指标，结果表明提出的预报因子物理意义明确，建立的模型可信度较高。利用随机森林算法分别对未来10 min 、20 min、30 min建立雷电预报模型，并与光流外推预报方法进行对比检验，结果表明：随机森林模型预报效果命中率(POD)、临界成功指数(CSI)均高于光流法，空报率(FAR)也相对较低；未来20 min的随机森林预报模型CSI评分最高，整体预报效果最佳。 相似文献
5.
用WRF模式对发生在南京市区的两次雷电过程进行了模拟,提取两次模拟过程在南京范围内的格点数据,分别做雷电潜势预报模型建模和检验两组样品。利用江苏省地闪定位资料作参考,选出49个对雷电单体形成有重要影响并且在两组样品中的平均值比较接近的强对流参数进行建模。利用建模样本对预报因子与变量进行多分类Logistic逐步回归统计分析,确定4个对流参数建立Logistic雷电预报模型,最终利用检验样品对预报模型的预报效果进行了检验。结果表明:WRF模式模拟出的强回波区域的形状和面积与实况的相似度较高,但与实况相比,整体向东北方向偏移。考虑此偏差后,建立的雷电预报模型的准确率达到67.32%,技巧评分达到0.466,具有较好的预报效果。WRF模式高时空分辨率的特点,使得其对雷电发生前的气象要素资料的获取更加精确,因此增加模式模拟的精确度,可进一步地提高利用WRF模式进行雷电预警的效果。 相似文献
6.
利用闪电定位仪资料分析了2010-2016年宁波市雷电的时空分布特征,根据雷电强度将6-9月雷电分为一般雷电和强雷电两组,结合NCEP再分析资料计算对流参数,运用GA-BP神经网络和费歇判别模型对雷电潜势预报进行分类方法探讨。结果表明:宁波年平均地闪次数为43223次,其中负地闪占比达95.2%;地闪的月际变化和日变化均呈单峰型,6-9月和14-19时分别为地闪次数最多的月份和时段;宁波雷电活动表现出一定的地域性,主城区以及海拔较高的奉化和宁海的西部山区是总地闪密度较大的区域。选择CAPE等4个对流参数参与建模,评估结果显示GA-BP预报准确率为71.60%,临界成功指数为56.60%,空报率和漏报率都在27%左右,模型表现出一定的预报技巧,并且该模型预报效果优于费歇判别模型。 相似文献
7.
8.
9.
为了使用神经网络较好地解决在雷电潜势预报中常见的非线性问题,本文通过计算南京地区2008年6～8月46个对流参数与雷电发生的相关系数,选取了与雷电发生关系较好的刀、SI、CIN等7个对流参数作为BP神经网络的输入因子。利用2008年的资料所建立的BP神经网络模型,预报了南京地区2009年6～8月的雷暴活动潜势,结合实际雷暴发生情况,得到此模型的POD为80．9％,FAR为9．5％,CSI为74．5％,PDFD为2．9％,FOM为19．1％。表明该BP模型预报准确率较高,性能稳定,有较好的推广价值。 相似文献
10.
该文从雷电定位技术的研发、北京地区闪电特征和时空分布、闪电活动与强对流天气过程、雷电预警预报研究、雷电物理过程研究和雷暴起电放电数值模式研究6个方面综述了雷电研究的一些结果和近期的研究进展。通过对雷电多方面的研究, 对雷电放电特征有了较系统地了解, 特别是对北京地区的雷电时空分布特征有了较清晰地认识; 在雷电预警预报技术和方法、雷电物理过程等方面也取得了一些重要进展。但由于雷电发生的时空随机性和瞬时性, 对闪电放电物理过程的观测试验和理论研究十分困难, 目前对我国闪电活动规律的认识也仍然不够全面。因此需要对雷暴内动力、微物理和起电放电过程及它们之间的相关性开展深入和长期的基础研究, 加深对雷电发生发展特征的认识和理解, 这将为雷电预警预报以及雷电监测资料在强对流天气过程的监测预警中发挥更重要的作用提供理论基础; 而在雷电激发和传输研究的基础上, 开展地闪连接过程和不同频段雷电电磁辐射对电子设备的破坏效应等雷电成灾机理研究, 将为雷电防护技术的提高提供科技支撑。 相似文献