共查询到20条相似文献，搜索用时 615 毫秒
1.
因子的可预报性和预报模型适用性研究初探 总被引：3，自引：0，他引：3
本文从因子场与预报量场之间的整体相关性着手，通过典型相关分析来提取因子信息，用求得的典型变量作为新预报因子，经试用表明，新因子的可预报性比原因子有明显提高。 在预报模型的选择上，本文提出了依据预报模型对历史样本实际预测精度的优劣来衡量预报模型的预测能力，从而选用对历史样本预测精度较高的预报模型作未来预报。 相似文献
2.
利用计算机技术,将预报因子选取、方程建立和样本拟合融为一体,建立了预报因子选取及方程建立人机交互平台。该平台包括文件信息,因子初选和回归分析三个模块:(1)文件信息模块主要是读取预报对象文件和预报因子文件,显示并检查文件头信息样本长度的一致性;(2)因子初选模块主要是计算各气象要素或物理量场中每个格点因子与预报量之间的相关系数,构成各相关场,分析这些相关场及其关键区域,从中筛选出组合因子;(3)回归分析模块是对选入的组合因子与预报对象进行逐步回归计算,建立预报方程,并根据回归方程参数和样本拟合率,通过改变因子引入和剔除标准来调整回归结果。 相似文献
3.
逐步引进因子场作相似预报 总被引：12，自引：2，他引：10
首先通过数学模型计算出不同样本之间的气象因子场的相似系数和表征气象因子场与天气现象之间关系的相关特征量 ,然后用相似系数和相关特征量作参数 ,以预报拟合率为判据 ,逐个引进因子场 ,组建出最优相似预报方程 ,最终作出准确率较高的客观要素预报。 相似文献
4.
将武汉天空云量预报的81个预报因子运用到该站中等以上强度的降水预报中,基于SVM方法进行了交叉验证和预报试验。结果表明用81个预报因子建立的5～9月和全样本的降水预报模型有较好稳定性、且对降水都有正的预报技巧。因此天空云量的预报因子可以用来做降水的预报因子,同时也证明了这些预报因子在天空云量和降水预报中是协调的。SVM方法为天空云量和降水的预报提供了客观参考依据。 相似文献
5.
基于主成分分析的人工智能台风路径预报模型 总被引：1，自引：0，他引：1
利用主成分分析可以从具有随机噪声干扰的气象场提取主要信号特征,排除随机干扰的能力,论文以1980～2010年共31年6～9月西行进入南海海域的台风样本为基础,综合考虑台风移动路径的气候持续因子和数值预报产品动力预报因子,采用主成分分析的特征提取与逐步回归计算相结合的预报因子信息数据挖掘技术,以进化计算的遗传算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行了分月台风路径预报模型的预报建模研究。在预报建模样本、独立预报样本相同的情况下,分别采用人工智能集合预报方法和气候持续法进行了预报试验,试验对比结果表明,前者较后者在6、7、8和9月份台风路径预报中,平均绝对误差分别下降了7.4%、4.8%、12.4%、17.0%。另外,论文进一步在初选预报因子和样本个例相同的情况下,通过比较新模型与直接采用主成分分析方法选因子并分别运用逐步回归和遗传—神经网络集合预报模型进行计算的预报精度差异表明,前者具有更高的预报精度,其原因是该方法挖掘利用了全部备选预报因子的有用预报信息,而且遗传—神经网络集合预报模型的是由多个神经网络个体预报结果合成,集合模型的各个神经网络个体的网络结构,是通过遗传算法的优化计算确定的,因此,该集合预报模型的泛化能力显著提高,在实际天气预报中具有较好的实用性和推广价值。 相似文献
6.
利用典型相关分析(CCA)方法建立统计气候预测模型，对我国冬季气温进行了预测试验，采用历史资料独立样本检验的方法，对预报技巧给出合理的评定。结果表明，使用CCA方法对我国冬季气温进行短期气候预测，有一定的预报技巧，对于特定地区和特定时期优选的因子场组合，可以取得较为满意的预报效果。大部分地区的季平均预报时效在2个季以内时，最佳预报相关系数在0.5以上。季平均的预报水平明显高于月平均的预报。海温场是所有因子场中最好的预报因子，不仅单独海温场的预报效果较好，而且与其他因子场组合后的预报水平还可以得到进一步提高。 相似文献
7.
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
8.
9.
10.
以1960-2007年共48年6月份西行进入南海海域的热带气旋样本为基础, 将热带气旋中心附近最大风速作为台风强度, 以气候持续预报因子作为模型输入, 采用模糊神经网络方法, 进行了热带气旋强度预报模型的预报建模研究。结果表明, 对175个独立预报样本模糊神经网络方法的南海热带气旋强度24 h的预报平均绝对误差为3 m·s-1。另外, 根据相同的热带气旋样本及预报因子, 还进一步将该预报方法与国内外普遍采用的气候持续法热带气旋强度预报方法进行对比分析, 结果表明, 气候持续预报方法的预报误差明显偏大, 独立样本强度预报平均绝对误差为4.54 m·s-1。 相似文献
11.
在均生函预报模型的基础上，利用其残差数据序列对均生函数预报模型进行校正，提出了均生函数残差预报模型。运用两种模型对百色市6、7、8月月降雨量进行了历史样本拟合，并进行独立地样本预报试验。预报结果发现，均生函数残差预报模型对原有模型在预报精度上都有一定的改进，取得了较好的预报效果。同时，利用MannKendall法和Yamamoto法，可以明确突变开始的时间，指出突变区域，使待报时段与建模资料处在同一气候阶段则预报效果更为理想。 相似文献
12.
本模式将传统的短期降水预报方法与计算机应用技术相结合,对预报员的预报思路作了深入的研究,以天气图预报流程为框架,发挥计算机的优势,结合老预报员经验,建立一种新型的人机结合预报方法。本模式首先对短期天气形势作晴雨判别,若判别结果为无雨,则直接作为预报结论;若为有雨或晴雨不明,则依次进行天气系统相似、预报区域地面要素相似和700hPa有限格点综合相似运算,从大量历史样本中找出若干相似样本(一般不超过20个)。将这些样本的预报对象与各类因子作动态相关普查,选取1—2个预报因子,用逐步回归模型建立量级预报方程,得出预报结论。本模式以连云港市的降水预报为例,在GW286B微机上实施,并投入业务使用。结果表明,预报准确率高于传统预报方法,尤其对转折性天气预报能力强。 相似文献
13.
用2005—2006年4—9月准东电网负荷资料和T213预报产品资料,建立日平均有效时间序列数据,对电力负荷与T213主要预报因子的相关性进行了分析,筛选出影响该地区负荷变化的重要预报因子为700 hPa水汽通量、850 hPa水汽通量和降水量,建立日平均电力负荷变化的预报方程。对2007年进行试报,负荷变化趋势与实际一致,但对负荷发生明显波动的预报有时出现偏差,原因是T213对降雨天气预报有误所致。提出改进方案,采用模式与预报员经验相结合,从气象观测要素中再筛选出新的降雨因子,与T213重要预报因子重建预报方程,再次试报结果更接近实况。对2007年4—9月预报误差进行分析得到,计划负荷平均误差为11.5%,T213建模平均误差为8.2%,通过改进后重新建模的平均误差为6.4%。在降雨天气条件下,计划负荷误差22.3%,T213建模误差13.4%,而改进后的预测误差降低到8.9%。 相似文献
14.
15.
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
16.
用支持向量机方法做登陆热带气旋站点大风预报 总被引：2，自引：0，他引：2
将支持向量机（SVM）回归方法应用于在登陆热带气旋影响下,每天00、06、12、18 UTC 4时次2分钟平均的站点风速预报。从2002-2007年热带气旋本身强度、站点地形情况和站点附近高低空环境场要素,设计相关因子,建立了4种预报模式,其中模式4的风速拟合误差的标准差为1.591 m·s~（-1）。用2008年8个登录热带气旋做独立样本检验,预报风速与实际风速的平均绝对值误差为1.750 m·s~（-1）,标准差为2.367 m·s~（-1）。结果表明,在适当的样本截取和预报因子选取后,SVM方法建模的风速预报48小时内效果较好。 相似文献
17.
用原始数据建立的多元自回归预报模型,虽然对气压,气温,绝对湿度的预报精度很高,但对月降水量的预报粗度较低,改用自典型相关因子建模,大大提高了月降水量的预报精度,对气压,气温,绝对湿度的预报亦有所改进。 相似文献
18.
一种神经网络的云图短时预测方法 总被引：1，自引：0，他引：1
依据6hT213数值预报产品的资料,采用EOF展开和人工神经网络等方法,对卫星云图短时预报方法进行研究。首先对卫星云图灰度值样本序列进行EOF展开,将提取出来的时间系数作为建模的预报量,以数值预报产品的物理量场作为预报因子,建立人工神经网络预测模型。将预报得到的时间系数与空间特征向量进行时空反演,实现对未来6h云图的预测。预报方法的独立样本试验证明,预测结果与实际云图的主要特征基本吻合,尤其在预测云图的大体分布和发展趋势上得到了较好效果。 相似文献
19.
在均生函预报模型的基础上,利用其残差数据序列对均生函数预报模型进行校正,提出了均生函数残差预报模型。运用两种模型对百色市6、7、8月月降雨量进行了历史样本拟合,并进行独立地样本预报试验。预报结果发现,均生函数残差预报模型对原有模型在预报精度上都有一定的改进,取得了较好的预报效果。同时,利用M ann-K enda ll法和Y am am oto法,可以明确突变开始的时间,指出突变区域,使待报时段与建模资料处在同一气候阶段则预报效果更为理想。 相似文献
20.
选取前期9、6和3个月欧亚大陆地表温度、东北半球500 h Pa高度场、热带印度洋海表面温度和西太平洋海表面温度作为预报因子,使用变形的典型相关分析(BP-CCA)方法,并选取各因子预报效果最好的时期作为关键时期,建立起各因子和青藏高原冬季气温之间的统计降尺度模型。之后用交叉验证和集合典型相关分析(ECC)方法评估模型实际预报能力。进一步用独立样本检验来评估模型更长时间尺度的年际变化预测效果。结果表明,BP-CCA方法能很好地识别出不同因子影响青藏高原的空间模态。其中,温度积雪反照率的正反馈机制体现了欧亚大陆地表温度的可预报性;东北半球500 h Pa高度场环流型不利于高纬的冷空气入侵高原地区;热带印度洋海表面温度反映出典型的印度洋偶极子对高原气温的调控作用;西太平洋海表面温度通过控制副热带高压的位置,从而影响高原冬季气温。各因子预报场和观测场的相关系数在交叉检验和独立样本检验中分别约为0.5和0.3,均有一定的预报技巧。而利用ECC方法能综合各因子所提供的预报信息,从而得出更为可信和稳定的预报。 相似文献