共查询到20条相似文献，搜索用时 114 毫秒
1.
为提高数值预报降水预报的准确率,本文利用欧洲中期天气预报中心的高分辨率数值预报（ECMWF）降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配,选取Gamma累积概率分布函数用于拟合预报与观测的降水累积概率,通过在2017年江西省一次降水集中期的应用试验,得到以下结论：基于ECMWF的降水预报-观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中,并根据近期模式预报调整及误差不断自动更新各量级降水修正值,可实时动态订正模式降水预报;检验发现ECMWF模式降水产品对于24 h内12 h间隔的10 mm及以下量级的预报普遍偏大,25 mm及以上量级的预报普遍偏小,在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况、预报效果较好.本降水预报订正法能提高小雨和暴雨的TS评分、降低暴雨的漏报率且提升其命中率,但对大雨及部分中雨的订正效果不佳,在实践中应权衡利弊使用. 相似文献
2.
基于ECWMF模式预报数据对2018年3—11月降水和2 m温度进行统计降尺度,利用先频率匹配法、再阈值法对插值后的降水订正,利用Kalman滤波型的递减平均统计降尺度法对插值后的温度订正,最终获得逐小时降水量和温度的预报。结果表明:(1)对于晴雨预报准确率,绝大多数预报时效频率匹配法和阈值法均对其有明显提高,前者最大改进幅度可达20%以上。对于相对误差,阈值法对空报现象有较显著改进。对于1 h降雨量大于等于20 mm的短时强降水,频率匹配法订正后的TS评分有明显提高。对2018年"安比"台风事件,除具有以上改进效果外,频率匹配法提高了降水主体形态和量级的预报水平,阈值法对空报站订正正确。(2)对于温度的ECWMF模式预报检验,几乎在任何预报时效内都是3月的绝对误差最大。通过Kalman滤波型的递减平均统计降尺度法后,各月的绝对误差都有不同程度减小。总体上,订正后的绝对误差曲线仍具有订正前的周期性波动,波峰、波谷位置也与订正前基本一致,且绝对误差越大,订正幅度越大。个例分析也表明订正后保留了温度预报空间分布的准确性,且绝对误差有明显下降。 相似文献
3.
《气象》2021,(5)
利用2018年4—8月格点降水分析资料和4个业务高分辨率区域模式降水预报资料,应用分位数频率匹配法对模式1 h降水预报分别订正;基于上游关键区域的检验结果,采用动态权重多模式集成技术,探讨了多模式集成技术在短时强降水概率预报中的应用前景。结果表明:分位数频率匹配法对强降水预报改进具有正效果,可以减少模式的系统性偏差,提高模式降水预报的准确率。在短时临近时效内,上游关键区域降水信息对下游地区降水预报具有指示意义,基于上游关键区实况检验的动态权重多模式降水概率预报较简单集成概率具有更高的预报准确率,预报效果也更为稳定。个例分析也表明该技术对短时临近时效内的短时强降水预报预警有较好的指导作用。 相似文献
4.
针对海河流域东北冷涡降水样本,应用海河流域加密自动站降水资料及欧洲中期天气预报中心（ECMCWF）降水预报资料,利用滑动相关分析方法建立重组预报序列,基于加密自动站24 h累积降水量及重组24 h降水预报序列的Gamma累积概率分布曲线,采用预报—实况概率匹配方法建立1～3日的短期订正模型并进行试报检验。结果表明:欧洲中心数值模式对于海河流域东北冷涡降水的预报较实况偏慢;概率匹配法主要通过订正降水量级来改善预报结果,订正后降水预报对于小雨、大雨、暴雨预报的TS（Threat Score）评分技巧均有提升,尤其对于大雨和暴雨及以上量级预报,订正后预报量级及预报落区大小均与实况更加接近,订正效果显著。东北冷涡降水对流性强,模式预报能力弱,而订正后预报能有效提高此类强降水的预报技能,具有较好的应用价值。 相似文献
5.
四种定量降水预报客观订正方法对比研究 总被引：1，自引：0，他引：1
基于2019年全年、不同季节、不同预报时效的欧洲中期天气预报中心模式的定量降水预报,检验评估了频率匹配、最优TS评分、最优百分位、概率匹配4种定量降水预报客观订正法的综合性能。利用理想模型研究了不同雨带位移偏差和干湿偏差情形下频率匹配法与最优TS评分的表现,并通过个例订正展示了4种定量降水预报订正法的基本特征。结果表明:频率匹配与最优TS评分仅能对确定性预报的降水量级进行调整,最优百分位和概率匹配法通过引入集合预报信息可在一定程度上改变预报的降水落区。频率匹配法以频率偏差最优为目标,可以很好地消除模式的干湿偏差,但仅在位移偏差较小且存在较大干湿偏差时提升原始预报的TS评分。最优TS评分法难以改进存在弱湿偏差的中雨预报的TS评分,而最优百分位法利用集合预报信息可以显著提升所有降水等级的TS评分,在较长预报时效下优势尤其明显,但也存在春、夏两季湿偏差较大的问题。概率匹配法由于没有使用历史实况信息,在暴雨订正中干偏差较大。经济价值模型检验评估表明,最优百分位法在暴雨量级的风险决策中具有较高的参考价值。 相似文献
6.
暴雨集合预报-观测概率匹配订正法在四川盆地的应用研究 总被引：3，自引：0，他引：3
利用2008—2011年6—8月中国气象局T213全球集合预报24—240 h降水预报资料和四川盆地观测降水资料,提出四川盆地暴雨集合预报-观测概率匹配订正法。该方法将集合预报降水累积概率分布与观测降水累积概率分布进行概率匹配,对降水量为50 mm的集合预报平均值进行订正,获得暴雨预报订正值(A Calibrated Heavy Rainfall forecast value),累积降水概率分布拟合函数采用Gamma函数。选取2013年6月28日—7月10日进行独立样本暴雨预报试验,分析四川盆地暴雨预报订正值分布特征和订正前后降水检验评分变化,讨论该方法存在的若干局限性。结果显示:T213集合预报对四川盆地降水预报存在预报量较观测量级小、模式预报时效越长降水预报越弱等系统性偏差,暴雨集合预报-观测概率匹配订正值普遍小于50 mm,且随预报时效延长而逐渐减小,有效地订正了T213暴雨集合预报系统性误差;暴雨集合预报-观测概率匹配订正法对"有或无暴雨"二分类暴雨预报改善较明显,ETs评分获得提高,且漏报率和空报率有所降低。 相似文献
7.
近年来,随着集合预报的广泛应用,大量新颖的集合预报统计学后处理方法层出不穷,因此有必要对其进行系统地回顾。首先,对单变量集合预报统计后处理方法进行分类介绍,包括基于特定数学分布的参数化方法:逻辑回归、非均匀回归、贝叶斯模型平均、集合敷料法,以及灵活的非参数化方法:排序直方图订正、可靠性曲线订正、衰减平均偏差订正、分位数映射、分位数回归、概率匹配、频率匹配、最优百分位、最优评分法、逐成员订正、相似法、邻域法、基于对象的概率预报方法和虚拟降水法。其次,拓展到须考虑变量依赖性结构的多变量集合预报统计后处理方法,包括参数化的连接方法,以及非参数化的集合连接耦合和Schaake洗牌法。再次,介绍多模式集合和机器学习方法。最后,总结并讨论了常用的集合预报统计后处理方法使用中需要注意的问题。 相似文献
8.
利用2016—2019年ECMWF（European Centre for Medium-Range Weather Forecasts）降水预报资料和江西省93个国家气象站降水资料,基于频率匹配法进行降水偏差订正,采用4种方法统计降水频率对降水预报进行订正试验（不分区试验）,根据江西省汛期暴雨气候特征对汛期降水进行分区订正试验,并对典型强降水个例进行分析。结果表明: 频率匹配法降低了模式预报小雨的空报率和大雨、暴雨的漏报率,预报技巧改进明显。在4种降水频率统计方法中,准对称滑动平均法效果最好。分区试验对强降水的订正效果优于不分区试验,该试验对模式预报正技巧暴雨过程的订正能力大于无技巧过程。对于模式预报效果差（TS=0）、一般（0 < TS < 0.2）、好（TS≥0.2）的暴雨过程,分区试验改善的概率分别为40.8%、89.1%和65.3%。频率匹配分区订正后强降水面积更加接近实况,但强降水落区不能得到明显的改善。订正方法对模式预报强降水形态、位置与实况较接近的过程,效果较好。 相似文献
9.
中国区域降水偏差订正的初步研究 总被引：1，自引：0，他引：1
基于中国气象局公共气象服务中心提供的降水预报资料,利用频率匹配法和阈值法对2015年全年的降水预报进行偏差订正并对订正后的结果进行检验。结果表明:(1)偏差订正可显著减少集成系统降水预报的小雨空报现象,改善"有雨或无雨"的定性预报性能,提高集成系统的晴雨预报准确率。(2)订正后降水量级大小更接近实况降水,并且集成系统预报的平均绝对误差和面积偏差(干偏差或湿偏差)均有所降低。(3)偏差订正对降水预报的改善程度与系统本身预报性能有关,系统本身预报误差越大,订正效果越好。 相似文献
10.
“频率匹配法”在集合降水预报中的应用研究 总被引：8，自引：1，他引：7
基于“频率匹配法”的思路,采用两种方法进行了集合降水预报的订正研究,一种方法是利用集合成员降水频率订正简单集合平均平滑效应的“概率匹配平均”法,另一种方法是利用实况降水频率订正集合成员降水预报系统偏差的“预报偏差订正”法,通过个例和批量试验,结果表明:(1)概率匹配平均法可以矫正简单集合平均的平滑作用所造成的小量级降水分布范围增大而强降水被削弱的负作用,这种改进对强降水区更显著,并且集合系统离散度越大这种改进也越大;但该方法对预报区域内总降水量的预报没有改进作用,不能改善预报的系统性偏差.(2)虽然预报偏差订正法对降水落区预报的改进有限,但可以订正模式降水预报的系统性误差,改进雨量预报以及集合预报系统的离散度特征和概率预报技巧;直接对集合平均预报进行偏差订正的效果优于单个成员偏差订正后的简单算术平均.(3)在对每个集合成员的降水预报进行偏差订正后,概率匹配平均仍可改善其简单平均的效果,因此在实际业务中,应该综合采用上述两种方法,以获得在消除系统性偏差的同时各量级降水分布又合理的集合平均降水预报. 相似文献
11.
为深入认识对流可分辨模式对小尺度孤立地形区降水的预报性能,使用2017年暖季（5—9月）台站逐时降水观测数据,以小时尺度降水特征为指标,细致评估了千米尺度分辨率（3 km）的北京“睿图”短期数值预报子系统（RMAPS-ST）对泰山及其周边地区降水特征的预报能力,并对比了不同起报时次（北京时08时和20时）的预报差异。评估发现,RMAPS-ST可以再现泰山站的局地降水中心,但区域西南侧降水预报小于观测,而泰山站及其东北侧则相反。清晨和午后时段的降水预报与观测相比存在较大偏差。以泰山站为例,RMAPS-ST易于低估夜间至清晨时段的降水频率,这可能与模式对降水系统发展演变过程的预报偏差以及清晨泰山站弱降水事件的漏报有关;清晨泰山站降水强度的预报在不同起报时次的结果中存在差异,20时起报存在大幅度高估的问题,进而导致其暖季平均降水量预报大于观测,而08时起报对于清晨降水强度的高估不明显;08时起报易高估泰山站午后的降水频率,这与其午后短历时降水事件数预报偏多有关,模式对山区热动力场的预报偏差是午后降水空报的可能原因。小时尺度降水特征已应用于中国气象局区域数值预报模式的业务评估体系中,本研究结果也表明,此类评估有助于深入认识千米尺度数值预报模式对降水日内变化的预报能力,从而为精细化降水产品的订正提供更详实的科学依据。 相似文献
12.
A Short-Range Quantitative Precipitation Forecast Algorithm Using Back-Propagation Neural Network Approach 总被引：5，自引：0，他引：5
A back-propagation neural network （BPNN） was used to establish relationships between the shortrange （0-3-h） rainfall and the predictors ranging from extrapolative forecasts of radar reflectivity, satelliteestimated cloud-top temperature, lightning strike rates, and Nested Grid Model （NGM） outputs. Quan- titative precipitation forecasts （QPF） and the probabilities of categorical precipitation were obtained. Results of the BPNN algorithm were compared to the results obtained from the multiple linear regression algorithm for an independent dataset from the 1999 warm season over the continental United States. A sample forecast was made over the southeastern United States. Results showed that the BPNN categorical rainfall forecasts agreed well with Stage Ⅲ observations in terms of the size and shape of the area of rainfall. The BPNN tended to over-forecast the spatial extent of heavier rainfall amounts, but the positioning of the areas with rainfall ≥25.4 mm was still generally accurate. It appeared that the BPNN and linear regression approaches produce forecasts of very similar quality, although in some respects BPNN slightly outperformed the regression. 相似文献
13.
利用卷积神经网络(CNN)和随机森林回归模型,提出了一种新的欧洲中期天气预报中心(ECMWF)降水订正预报方法。该方法首先根据ECMWF模式对站点雨量预报值所属的等级进行划分,再计算出不同等级相对应的高相关因子矩阵。进一步利用CNN模型对高相关矩阵进行综合特征提取的学习和训练。最后对CNN模型最终输出的特征因子中,选取若干个与预报站点相关性高的特征,并与ECMWF降水量场插值到预报站点的因子一起,作为随机森林回归模型的输入因子进行预报建模。通过对10个预报试验站点未来24h降水量的分级和不分级订正预报试验,结果表明:(1)ECMWF降水量分级订正预报方法的平均绝对偏差和均方根误差分别比利用ECMWF插值到站点的预报方法减小了20%和15%;(2)24h暴雨及以上的降水分级订正预报方法的平均TS评分为0.32,也显著高于EC插值的0.19;(3)与利用同样的预报模型对全样本(不分级)的传统数值预报模式产品订正预报方法相比,本文提出的分级订正预报方法在总体预报精度和暴雨及以上的强降水预报TS评分上均有更高的预报技巧。 相似文献
14.
基于TIGGE资料中欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心及英国气象局1～7 d日降水量预报以及中国自动站观测资料与CMORPH降水产品融合的逐时降水量网格数据集,利用频率匹配法(Frequency-Matching Method,FMM)对中国降水预报进行客观订正。首先利用卡尔曼滤波方法对降水频率进行调整,并根据不同区域降水强度差异将全国分为7个子区域分别进行频率匹配。结果表明,FMM可以有效减小降水量预报的误差。经过频率匹配法订正后各模式降水预报的平均绝对误差(Mean Absolute Error,MAE)大幅减小,且订正后各量级降水的雨区面积更加接近实际观测值。FMM对小于5 mm和大于15 mm的降水预报技巧改进明显。此外,FMM降低了模式预报的小雨空报率和大雨漏报率,并且明显提高了晴雨预报的准确率。FMM明显消除了大范围小雨空报区域,但是对强降水预报FMM仅能调整降水量大小,强降水落区预报并不能得到明显改善。 相似文献
15.
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
16.
GRAPES千米尺度模式在西南复杂地形区降水预报偏差与成因初探 总被引：1，自引：0，他引：1
利用2019年夏季（6—8月）西南复杂地形区地面观测站逐时和逐日降水量观测数据,从降水量和降水频率入手,对同期GRAPES-Meso 3 km业务模式短期（36 h以内）降水预报性能,特别是在不同典型地貌区—四川盆地子区、云贵高原北部子区和南部子区、青藏高原东缘山地子区的预报偏差进行细致评估与分析。结果表明:（1）GRAPES-Meso 3 km模式能合理地刻画出西南复杂地形区夏季日降水和日内尺度降水的主要特征,以及小时降水频次-强度的基本关系。（2）在各子区,模式日降水量（频率）预报表现为清晰的正偏差,正偏差在盆地子区最显著,为观测值的1.1倍（0.3倍）;日降水量正偏差主要由强降水日降水量预报偏大引起,但频率正偏差在云贵高原南、北子区与其他两个子区不同,主要是中小雨日数预报偏多的贡献;强降水（中小雨）落区预报存在明显（轻微）偏大倾向,强降水预报落区偏大频率在青藏高原东缘山地子区最高,达82.8%,在云贵高原南部子区最低,为53.6%。（3）日循环上,各时次小时降水量（频率）预报整体偏大,且主要正偏差出现在观测的夜雨峰值时段,其中海拔1200 m以下区域的降水频率正偏差从夜间峰值区延续到中午,模式偏强的日降水量预报往往表现为日内偏长的降水时长或小时降水空报。（4）诊断分析显示,模式在四川盆地区突出的夏季日降水预报正偏差是模式对流层低层在云贵高原南-东南侧偏强的西南风预报与西南地区特殊地形结合的产物。 相似文献
17.
18.
利用CMA-SH9模式逐小时降水预报数据和地面自动站-CMORPH卫星融合降水数据,开展该模式对2020年暖季（5~9月）川渝地区降水日变化的预报效果评估。结果表明:CMA-SH9模式可以再现小时平均降水量在四川盆地偏小、盆地周边陡峭地形处偏大的空间分布特征;显著的预报正偏差分布于青藏高原东坡至四川盆地西南部一带和四川盆地以东地区,偏差来自降水频率和降水强度的共同贡献;预报负偏差分布于四川盆地,主要来自模式对降水强度的低估;降水日变化峰值时间自西向东呈午夜到上午的滞后,模式预报的降水日变化峰值时间超前于观测;模式能够较好地把握青藏高原东坡至四川盆地西南部一带和四川盆地的单峰型日变化位相,以及盆地以东地区的双峰型日变化位相,但预报的降水量值和观测存在一定偏差。 相似文献
19.
以浙江省2016年1-10月的雷达回波强度数据为基础,分别应用随机森林模型、BP神经网络模型、卷积神经网络模型来预测降雨量并进行对比.建模分析结果表明,随机森林模型预测效果精确度较低,容易低估较大的降雨强度,而BP神经网络和卷积神经网络预测的效果都比随机森林好,特别是卷积神经网络,其预测值与真实值更加接近,且对较大的降雨强度拟合较好. 相似文献
20.
神经网络方法在广西日降水预报中的应用 总被引：7，自引：3，他引：7
以广西前汛期5、6月区域平均日降水量作为预报对象，采用人工神经网络方法进行新的数值预报产品释用预报研究。对T213预报因子进行自然正交分解，有效浓缩数值预报产品因子的预报信息，并结合日本降水预报模式因子建立广西3个不同区域的逐日降水神经网络释用预报模型。运用与实际业务预报相同的方法对2004年5、6月进行逐日的实际预报试验，并与T213的降水预报进行对比分析。结果表明，本文建立的3个区域日平均降水量神经网络预报模型，在预报性能上明显优于同期的T213降水预报。 相似文献