共查询到20条相似文献，搜索用时 328 毫秒
1.
论文以逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料为基础,将表征冬季低温冷害的冷湿指数作为预报量,先利用随机森林方法进行冬季逐日冷湿极端天气定性判别预报分析,再进一步以粒子群算法为基础的模糊神经网络集成个体生成技术方法,建立一种新的非线性智能计算定量集成预报模型（PSO-FNN）,进行了广西冷湿极端天气定量预报模型的预报建模研究。结果表明,论文提出的这种以不同的智能计算方法构建的定性、定量综合预报分析方法,比较符合极端天气小概率事件的预报特点,其中随机森林算法构建的定性预报模型,对广西冷湿极端天气事件的预报TS评分（Threat Score）为0.77,空报率为0.23,漏报率为0,ETS评分（Equitable Threat Score）为0.41,TSS评分（True Skill Statistic）为0.53。而采用粒子群—模糊神经网络方法构建的极端冷湿指数定量集成预报模型比其他线性和非线性预报模型具有更好的预报精度。其中PSO-FNN集成预报模型在预报建模样本和独立预报样本个例相同的情况下,比回归方法的预报平均绝对误差下降了25%以上,比一般的普通模糊神经网络预报平均绝对误差下降了14.37%。主要原因是因为PSO-FNN集成预报模型通过改进集成个体的预报能力和增强集成个体的种群差异性,提高了集成预报模型的预报精度。因此,该智能计算集成预报模型的泛化能力显著提高,预报结果稳定可靠,为冷湿极端天气客观预报提供了新的预报工具和预报建模方法。 相似文献
2.
3.
本文利用逐步回归和判别分析的方法建立了沈阳地区冬半年空气污染预报方程。通过试报检验，无论定量预报还是定性预报，都取得较好效果。 相似文献
4.
5.
找出了冻害发生的天气规律，提出了定性预报的指标。在相关分析的基础上，建立了定量预报方程。方程预报平均误差不用过１．０℃，具有满意的预报效果。 相似文献
6.
找出了冻害发生的天气规律，提出了定性预报的指标。在相关分析的基础上，建立了定量预报方程，方程预报平均误差不超过１．０℃，具有满意的预报效果。 相似文献
7.
8.
9.
10.
11.
论最优预报因子与最优预报方程 总被引：9，自引：3，他引：9
本文根据预报量与预报因子关系的实际情况,提出了预报因子的四种类型,并且利用最优化方法原理选取最优的预报因子,同时还利用强迫引进重要因子的办法选取最优预报方程。从实例计算证明,最优预报因子基本上是非线性的,所以用逐步回归或逐步判别方法建立的预报方程也是非线性的,并且还证明,非线性预报方程比线性预报方程效果有明显的提高。本文最后还指出,此种非线性预报方法可推广到各个领域有关多元分析的定量和定性预报工作中去。 相似文献
12.
最优多因子动态配置的东北汛期降水相似动力预报试验 总被引：4，自引：0，他引：4
基于中国气象局国家气候中心季节预报业务模式27a(1983—2009年)预报结果和同期美国气候预报中心组合降水分析(CMAP)资料及国家气候中心气候系统诊断预报室74项环流指数和NOAA40个气候指数(1951—2009年),提出了客观定量化的最优多因子动态配置汛期降水相似-动力预测新技术,并对中国东北地区汛期降水进行了预报试验。利用历史资料有用信息估算模式预报误差原理,选取4个历史相似年对应模式误差来估算当前模式预报误差。通过单因子交叉检验距平相关系数确定主导因子及演化相似因子,结合当前及前期优化多因子组合配置确定预报因子集,最后利用历史相似年对应模式误差来估算当前模式预报误差并订正国家气候中心季节预报业务模式的预报结果,得到预报的汛期降水。对2005—2009年进行独立样本检验的结果表明,此技术对中国东北地区汛期降水有一定预报技巧。证实了利用历史资料估计业务模式预报误差的另类途径是可行的,显示了在业务预报应用中的潜在能力。 相似文献
13.
Analogue-dynamical prediction of monsoon precipitation in Northeast China based on dynamic and optimal configuration of multiple predictors 
下载免费PDF全文
下载免费PDF全文 Based on the National Climate Center (NCC) of China operational seasonal prediction model results for the period 1983–2009
and the US National Weather Service Climate Prediction Center merged analysis of precipitation in the same period, together
with the 74 circulation indices of NCC Climate System Diagnostic Division and 40 climate indices of NOAA of US during 1951–2009,
an analogue-dynamical technique for objective and quantitative prediction of monsoon precipitation in Northeast China is proposed
and implemented. Useful information is extracted from the historical data to estimate the model forecast errors. Dominant
predictors and the predictors that exhibit evolving analogues are identified through cross validating the anomaly correlation
coefficients (ACC) among single predictors, meanwhile with reference of the results from the dynamic analogue bias correction
using four analogue samples. Next, an optimal configuration of multiple predictors is set up and compared with historical
optimal multi-predictor configurations and then dynamically adjusted. Finally, the model errors are evaluated and utilized
to correct the NCC operational seasonal prediction model results, and the forecast of monsoon precipitation is obtained at
last. The independent sample validation shows that this technique has effectively improved the monsoon precipitation prediction
skill during 2005–2009. This study demonstrates that the analogue-dynamical approach is feasible in operational prediction
of monsoon precipitation. 相似文献
14.
15.
16.
中国冬季气温的集合典型相关分析和预报 总被引：2，自引：0，他引：2
以欧亚大陆地面温度、北半球500 hPa高度、热带印度洋SST(sea surface temperature)以及北太平洋SST为预报因子,通过典型相关分析(canonical correlation analysis,简称CCA)建立预报关系,然后用集合典型相关分析预报(ensemble canonical correlation prediction,简称ECC)方法预报中国冬季气温,并分析预报技巧及进行独立样本检验.结果表明,不同的预报因子对各个地区有不同的预报技巧,以欧亚大陆地面温度为预报因子预报技巧较高,而ECC模式对中国冬季气温有更好的预报能力,预报技巧高于任何一个单因子场的CCA预报;采用回归法的集合平均比简单的等权集合平均预报技巧更稳定. 相似文献
17.
After the consideration of the nonlinear nature changes of monsoon index,and the subjective determination of network structure in traditional artificial neural network prediction modeling,monthly and seasonal monsoon intensity index prediction is studied in this paper by using nonlinear genetic neural network ensemble prediction（GNNEP）modeling.It differs from traditional prediction modeling in the following aspects： （1）Input factors of the GNNEP model of monsoon index were selected from a large quantity of preceding period high correlation factors,such as monthly sea temperature fields,monthly 500-hPa air temperature fields,monthly 200-hPa geopotential height fields,etc.,and they were also highly information-condensed and system dimensionality-reduced by using the empirical orthogonal function（EOF）method,which effectively condensed the useful information of predictors and therefore controlled the size of network structure of the GNNEP model.（2）In the input design of the GNNEP model,a mean generating function（MGF）series of predictand（monsoon index）was added as an input factor;the contrast analysis of results of predic- tion experiments by a physical variable predictor-predictand MGF GNNEP model and a physical variable predictor GNNEP model shows that the incorporation of the periodical variation of predictand（monsoon index）is very effective in improving the prediction of monsoon index.（3）Different from the traditional neural network modeling,the GNNEP modeling is able to objectively determine the network structure of the GNNNEP model,and the model constructed has a better generalization capability.In the case of identical predictors,prediction modeling samples,and independent prediction samples,the prediction accuracy of our GNNEP model combined with the system dimensionality reduction technique of predictors is clearly higher than that of the traditional stepwise regression model using the traditional treatment technique of predictors,suggesting that the GNNEP model opens up a vast range of possibilities for operational weather prediction. 相似文献
18.
19.
以中国夏季气温为预测对象,选取东亚地区冬季500 h Pa高度场、海平面气压场、地表温度场和850 h Pa温度场为预测因子,采用1951~2009年去趋势处理后的资料,通过变形的典型相关分析(Barnett-Preisendorfer Canonical Correlation Analysis,BP-CCA)方法分别建立单因子预测模型,再利用集合典型相关分析(Ensemble Canonical Correlation,ECC)方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010~2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。 相似文献
20.
长期以来,雷达回波外推技术是0—2 h临近预报系统主要采用的方法,但其实际有效预报时间≤1 h,而中尺度数值模式预报则受平衡约束时间的限制,最初2 h的降水预报无效。为解决上述两种预报的缺陷,目前国际上流行采用外推预报与数值模式预报融合的技术,形成统一的0—6 h格点化的高分辨率无缝隙定量降水临近预报系统。对目前流行的两种融合算法（INCA（Integrated Nowcasting and Comprehensive Analysis System）算法及RAPIDS（Rainstorm Analysis and Prediction Integrated Data-processing System）算法）进行了分析和对比试验,以期为业务应用提供借鉴。RAPIDS算法的核心是用自动气象站雨量融合雷达估测得到的定量降水对模式预报的降水强度和位相进行修正;INCA算法则是用数值模式预报的风场修正外推技术的降水移动矢量。两种方法在0—6 h预报时效内,外推预报的权重均逐渐减小,模式预报的权重逐渐增大,从而实现外推预报和模式预报的平滑过渡。试验结果表明,两种方法对降水雨带和降水强度的预报均优于单一的外推预报或模式预报。集二者的优势研发最优的高时、空分辨率降水预报无缝隙融合算法,将有助于进一步提升高分辨率定量降水0—6 h无缝隙预报水平。 相似文献