共查询到20条相似文献，搜索用时 652 毫秒
1.
该文对比分析概率回归降水等级预报和回归降水等级预报的差异, 2007年秋季至2008年夏季全国平均检验结果表明:概率回归降水等级预报效果好于回归降水等级预报, 尤其是小雨预报, TS评分明显高于回归降水等级预报, 同预报偏差过大情况也有很大改善。进一步分析表明:回归降水等级预报方法在建立小雨预报方程的样本中, 少数较大降水量的样本方差占总方差的百分比过大, 导致预报方程中反映的预报量与预报因子的关系以少数大降水量样本为主, 是造成小雨预报空报过大的原因。与模式降水预报的对比分析表明:概率回归降水等级预报效果好于模式直接降水预报, 模式降水空报较大情况得到改善。 相似文献
2.
基于TIGGE多模式降水量预报的统计降尺度研究 总被引：7，自引：0，他引：7
利用TIGGE资料中欧洲中期天气预报中心、美国国家环境预报中心、英国气象局以及日本气象厅4个中心,1~7 d预报时效的降水量预报资料,以TRMM/3B42RT降水量作为"观测值",对东亚地区降水量进行统计降尺度处理。首先利用逻辑回归方法将天气分为有雨和无雨,再对有雨的情况,利用线性回归方法对插值后的预报结果进行降尺度订正,最后将4个中心的预报值进行消除偏差集合平均,得到多模式集成的降水量预报场。结果表明:逻辑回归能够有效地改善预报中小雨的空报情况,统计降尺度订正后的预报结果比直接插值更加准确,多模式集成的预报效果优于单模式结果,其改进效果随预报时效的延长逐渐减小。 相似文献
3.
对MM5模式输出产品解释应用，建立县级站点定量降水MOS预报模型。方案为将影响辽宁降水的天气模型归纳为动力诊断模型，从中构造出多个能够较全面反映降水模型特征的综合物理因子；根据站点降水的气候分布特征，对偏态分布的降水量进行正态化处理，处理方案为首先将降水量划分为有雨和无雨两档，然后对有雨样本进行分级、开4次方处理，经分析对比降水量经过正态化处理后建立的预报模型优于未经处理的模型。运用统计方法建立站点降水预报模型，该模型分为晴雨预报模块和雨量预报模块。通过2001和2002年夏季业务试运行表明，该模型对降水有较强的预报能力，较原模式预报水平有一定改进。 相似文献
4.
利用辽宁省291个国家气象观测站的降水资料,对2019年夏季（6-9月）8种模式降水预报及中央气象台格点降水预报进行了检验评估和比较,并采用消空方法进行晴雨预报技术研究。结果表明：2019年,EC模式具有最优的暴雨预报性能,而日本模式暴雨TS评分最高;中尺度模式对于局地性暴雨和短时强降水具有较好的预报潜力,性能较好的是GRAPES_MESO模式和睿图东北3 km模式;全球模式对24 h暴雨的预报频率比实况偏低30%,3 h强降水则偏低60%,中尺度模式对24 h暴雨的预报频率比实况偏高30%,3 h强降水则偏低20%。由于对小量级降水存在较多空报,各模式原始预报的晴雨预报大多呈现空报偏多的情况;使用小量级降水剔除的消空策略能够明显提高晴雨准确率,消空之后EC模式具有最优的晴雨预报性能。分别使用24 h和3 h累计降水量优化消空策略,发现分别取1.0 mm和0.8 mm的阈值进行消空可以使24 h晴雨准确率提高15.58%,3 h晴雨准确率提高10%-30%。 相似文献
5.
通过T639模式预报产品在内蒙古地区降水量、2 m温度、相对湿度和10 m风向、风速及降水过程预报效果的适用性研究,得出以下结论,温度和相对湿度预报的准确率较风向、风速明显偏高,温度和相对湿度预报的误差系统偏小,风速预报误差偏大的概率较大;降水量的预报准确率随降水等级增加而递减,对小雨而言,模式漏报率小于空报率,多报降水的偏差和少报降水的偏差相近。在预报要素空间分布上,风向预报的偏差顺时针偏转,其夹角小于45°,温度预报偏差总体偏小,相对湿度预报偏差由西向东表现为“+、-、+、-”的分布特征;小雨和中雨落区预报偏大,暴雨落区预报偏小;贝加尔湖冷涡强度的预报偏强,西太平洋副热带高压的强度预报偏弱,影响范围偏西偏北。 相似文献
6.
《气象与环境学报》2017,(4)
本文建立了东北区域业务模式预报产品检验评估系统,并对东北区域3 km业务模式系统与原东北区域9 km业务模式系统的降水预报效果进行了检验评估。东北区域业务模式预报产品检验评估系统每日自动运行,对降水、地面温度、形势场和台风预报产品进行检验,检验结果以文本和图形两种方式在东北区域气象中心局域网的中尺度数值预报网页上实时显示。同时,东北区域业务模式预报产品检验评估系统可以根据选取的具有代表性的降水个例,对更新改进后的业务模式与目前运行的业务模式预报产品检验结果进行对比评估。检验评估结果表明:新东北区域模式系统对大雨及以上量级降雨预报的改进效果明显,对冬季降雪和南来系统的预报效果也优于原业务模式,但空报率较高。随着数值模式水平分辨率的提高,增加了中小尺度地形信息特征,改进了大尺度降水的预报效果;数值模式垂直分辨率的提高,降水模拟易形成更多的虚假"数值风暴点",导致空报更多。 相似文献
7.
本文介绍的是应用桂林高空总能量垂直时间剖面图,制作日降水量大于100mm的大暴雨中期预报方法。此方法于1979年建立后,经过连续7年的实践检验,共符合预报模式指标者12次,报对10次,空报2次(日降水量分别为60.2和89.0mm),漏报1次(日降水量为130.0mm)。实践表明,此预报方法具有制作简单,使用方便,历史拟合率高,实际使用效果好的优点,可作为—种中期预报方法投入业务使用。 相似文献
8.
BP-CCA方法用于四川盆地夏季日降水量的可预报性研究 总被引：1，自引：0，他引：1
基于BP-CCA方法,首先讨论了多个因子对四川盆地夏季降水降尺度模型的可预报性,然后选取最佳预报因子并进行集合,最终基于T639模式建立最优多因子降尺度预报模型.结果表明,分别以东亚夏季10m纬向风、700hPa纬向风和700hPa相对湿度为预报因子的降尺度模型对四川盆地夏季降水的预报技巧较高,而将三个因子集合的多因子降尺度预报模型具有更好的预报能力.进一步将该方法应用于T639模式预报的预报因子场,发现多因子降尺度模型对降水的预报效果要优于T639模式直接输出的结果. 相似文献
9.
根据气象地质灾害与前期及当日降水的关系模型,对气象地质灾害危险等级进行模糊可能性描述,应用PP(完全预报法)原理,采用ES(专家系统)中的确定性因子法进行气象地质灾害预报的不确定性推理,所建立的气象地质灾害预报专家系统,在实际预报业务中取得了很好的效果,在2004年的汛期业务运行中,报准了全部重大气象地质灾害。结果证明:用完全预报方法原理,将气象地质灾害预报因子———降水量分为两段,第1段为实况降水量,第2段为预报降水量,建立预报模式是可行的;对于气象地质灾害这种小概率事件的预报,采用专家系统预报方法建立预报模式是行之有效的。 相似文献
10.
MOS预报最优子集模型,通过消除数值模式系统性误差,可最大程度地提高其预报技巧。为了建立Na?ve Bayes降水最优模型,利用2008—2011年T511数值预报产品和单站观测资料,对介休、运城、丰宁3个站Na?ve Bayes降水概率分级预报模型进行研究。通过设计恰当的适应度函数,提出了一种用遗传算法搜寻Na?ve Bayes模型最优子集的计算方案,得到了3个站的最优子集模型。结果表明:最优子集的拟合效果明显高于普通初始子集,能够显著提升数值模式在单站的预报技巧。最优子集模型主要通过降低数值模式空报率提高单站晴雨、小雨预报效果,通过小幅提高正确次数和降低空报次数改善对中雨预报效果。 相似文献
11.
利用2003-2007年国家气象中心T213L31全球中期数值预报模式逐日输出产品与青海地区25个气象站的观测数据作为试验资料, 利用相关系数和逐步回归进行因子选择, 并以单隐层神经网络和多元回归作为降尺度方法进行对比研究, 用2003-2006年间的11月1日～次年3月1日的资料作为训练样本, 以数值预报产品和前一日观测的最低温度作为因子, 建立青海省25个气候站的冬季最低温度的24, 48, 72 h预报模型, 并且以2006年12月和2007年的1、 2月作为24, 48, 72 h逐日最低温度预报试验时段。试验表明, 对于青海地区来说, 青海北部地区的预报命中率总体好于南部高原地区; 在4种对比方案中, 以选择数值预报资料结合前一日地面观测的最低温度作为主要因子的方法相对较优, 随着预报时效的延长, 24 h历史实况的作用逐渐减弱; 对于所有台站来说, 这4种方案各有优缺点, 没有一种方案可以完全代替其他所有方案; 在实际业务运行中, 对不同的台站应采用不同的预报方案进行实际业务预报。 相似文献
12.
以2008—2010年5—9月日本、德国、T639数值预报模式降水产品为基础,采取反距离插值的统计降尺度分析方法,将数值预报模式降水格点数据插值到北京西北、东北、西南、东南区域的延庆、密云、房山、观象台4个典型代表站点上;再结合统计分析,将夏季产生降水的天气系统分为西来槽、东北低涡、蒙古低涡、其他系统4种类型,采用预报准确率定级方法对各家模式配以不等权权重系数,从而建立北京地区夏季多模式集成降水预报模型,并用独立的样本对预报模型进行了业务试运行检验,检验结果表明:所建模型对降水预报的改进效果较好,优于单个数值模式降水预报。该模型的建立和应用方法为其他区域本地释用数值模式降水预报产品提供了一定的客观参考。 相似文献
13.
基于BCC-CSM季节气候预测模式系统历史回报数据和国家气象信息中心提供的中国地面降水月值数据,通过多方法对比并讨论了影响预测结果的因素,利用长短期记忆（Long Short-Term Memory,LSTM）网络预测2014年和2015年中国夏季降水。结果表明:LSTM网络的预测效果较逐步回归、BP神经网络及模式输出结果有一定优势。参数调优对于LSTM网络预测效果影响较大,重要参数有隐含层节点数、训练次数和学习率。选择合适的起报月份数据有助于提升季节预测的准确性,利用4月起报的数据预测夏季降水效果较好。海冰分量因子对降水季节预测有正贡献。在2014年、2015年夏季降水回报试验中,LSTM网络对降水整体形势有一定的预测能力,Ps评分分别为74分、71分,距平符号一致率分别为55.63%、55.25%,Ps评分的均值高于同期全国会商及业务模式。 相似文献
14.
南大4 km预报系统(WRF_NJU)是南京大学自2013年起每年夏季每日两次对中国地区进行的4 km分辨率的48 h实时预报。将该系统、欧洲中期天气预报中心(EC)、中国气象局(CMA)和日本气象厅(JMA)在2016—2018年夏季6—8月对新疆北疆和南疆地区降水的预报与自动站观测资料进行对比分析。结果表明:Gilbert技巧评分(GSS)一般EC最高,WRF_NJU次之,JMA最低。空间上,EC在南、北疆的预报都最接近观测,WRF_NJU预报降水平均偏低,CMA和JMA明显偏高。WRF_NJU预报降水的日变化趋势与观测一致,峰值时段基本相同,稍有1~2 h偏差。量级上总体偏高,在峰值时段尤为明显。降水过程发展方面,WRF_NJU对大多数降水过程模拟效果较好。通过个例分析,发现高空急流和低层水汽输送的预报效果直接影响着降水的预报效果。 相似文献
15.
Variables fields such as enstrophy, meridional-wind and zonal-wind variables are derived from monthly 500 hPa geopotential height anomalous fields. In this work, we select original predictors from monthly 500-hPa geopotential height anomalous fields and their variables in June of 1958 - 2001, and determine comprehensive predictors by conducting empirical orthogonal function (EOF) respectively with the original predictors. A downscaling forecast model based on the back propagation (BP) neural network is built by use of the comprehensive predictors to predict the monthly precipitation in June over Guangxi with the monthly dynamic extended range forecast products. For comparison, we also build another BP neural network model with the same predictands by using the former comprehensive predictors selected from 500-hPa geopotential height anomalous fields in May to December of 1957 - 2000 and January to April of 1958 - 2001. The two models are tested and results show that the precision of superposition of the downscaling model is better than that of the one based on former comprehensive predictors, but the prediction accuracy of the downscaling model depends on the output of monthly dynamic extended range forecast. 相似文献
16.
利用１９９５—１９９７年Ｔ１０６输出产品，以相同的数学回归模型对各种不同的因子处理方法生成的预报因子做广西８９站的降水预报准确率对比试验，结果表明预报因子的选取与准确率关系极大。这也说明了选取合理的、有物理意义的因子是建立ＭＯＳ降水预报方程成功与否的关键。 相似文献
17.
基于欧洲中期天气预报中心(ECMWF)的精细化数值预报产品、中国气象局下发的降水指导产品(TP;MA)及甘肃省340个气象站点降水实况数据,利用泰森多边形与K-means空间聚类方法(spatial cluster and Tyson polygon, SCTP),对2017—2019年4—9月甘肃省340站降水资料进行客观分区。在此基础上,采用随机森林算法(random forest, RF),筛选出与降水相关的物理量因子构建模型,开展甘肃省短期定量降水客观预报订正试验,并进行预报效果检验。结果表明:(1)甘肃省4—9月降水客观分区依次为7、6、14、13、14和11个。(2)就晴雨预报而言,SCTP-RF订正产品对甘肃省汛期的晴雨预报能力较TP;MA指导产品和ECMWF模式产品有一定提升,提升幅度分别为6.1%、4.2%;在空间上,SCTP-RF算法对甘肃省340站的晴雨预报均具有一定的订正能力,大部分站点晴雨预报准确率提升了5%,特别是河东地区。(3)在分级降水预报中,SCTP-RF订正产品对中雨和大雨的预报能力均优于TP;MA指导产品和ECMWF模式产品,且全省大部的订正效果较好,特别是河东中部及陇东南地区,但在强降水过程中对小雨和暴雨的预报订正不稳定,尤其是陇东南地区的小雨。 相似文献
18.
19.
利用1999—2009年安徽省淮河以南地区60个县市站夏季逐日降水资料和安庆市探空站逐日资料,研究了中低层不同风向配置下局地降水与大尺度降水场之间的关系,以3种不同预报对象及相应的预报因子分别采用神经网络和线性回归方法设计6种预报模型对观测资料进行逼近和优化,从而实现空间降尺度.分析对比6种预报模型46站逐日降水量的拟合和预报效果,结果表明:采取相同的预报对象及预报因子的BP神经网络模型在拟合和预报效果上均好于线性回归模型,可见夏季降水场之间以非线性相关为主;神经网络模型预报结果同常用的Cressman插值预报相比,能很好地反映出降水的基本分布及局地特征;预报对象为单站降水序列的神经网络模型在以平原、河流为主要地形的区域预报效果较好,预报对象为REOF主成分的神经网络模型则在山地和丘陵地形区域预报效果较好. 相似文献
20.
成都区域气象中心业务数值预报产品检验分析 总被引：3，自引：0，他引：3
依据国家气象中心T213、T639全球模式、成都区域中心实时运行的AREM、GRAPES和MM5中尺度数值模式预报结果,对2008年5～9月进行了日降水量和2m温度检验。结果表明：（1）模式对昆明、南京、广州、长沙、北京和郑州温度预报优于温江、兰州和拉萨站,其中拉萨站温度预报与实况偏差最大,即模式对我国中部及南部地区温度预报与实况近似程度高于西部地区。（2）东部地区中雨及以上量级降水评分高于西部,西部4个城市中以昆明站评分最高,反映模式对我国西部城市降雨预报能力偏弱。 相似文献