共查询到20条相似文献，搜索用时 140 毫秒
1.
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
2.
为了考察具有多种特征尺度四阶递归滤波器在极端暴雨事件预报中的应用效果和能力,利用GRAPES三维变分同化系统,对2007年7月16—19日的川渝暴雨过程进行了模式分析。共开展了3组模拟试验：第一组试验在模式中使用单一特征尺度的一阶递归滤波;第二组试验在模式中使用由3种不同特征尺度的四阶滤波拟合而成的四阶递归滤波;第三组试验在模式中使用由3种不同特征尺度的一阶滤波拟合而成的一阶递归滤波。结果表明,具有多种特征尺度的递归滤波的预报效果要好于单一尺度的递归滤波。相比而言,由3种不同特征尺度的四阶递归滤波对预报的改进最大,不论是降水的落区还是降水的强度都有很大程度的改善,对水汽的调节更为理想。 相似文献
3.
4.
《内蒙古气象》2018,(5)
针对2017年7月6—7日内蒙古东部地区的冷涡降水过程,利用NCEP的GFS预报资料为初始值得到的集合动力因子预报系统结果,从中优选出10个动力因子以及对其进行4种方法的集合,以此对强降水过程进行诊断分析和预报研究。结果表明:动力因子预报降水在空间分布上与6h观测降水基本一致,代表动力因子对降水落区具有较好的指示意义,中位数和等权平均集合预报降水的强度比观测降水偏弱,而多元线性回归和加权平均集合动力因子对强降水中心的预报相对较好。预报技巧评分计算结果表明,集合动力因子对降水预报均有一定的技巧,而多元线性回归集合结果与观测降水最为吻合,空间相关系数达到0.76,ETS评分为0.49,加权平均次之,但多元线性回归集合方法预报的降水发生频率会较实际降水偏高。 相似文献
5.
数值模式误差对降水四维变分资料同化及预报的影响 总被引：3，自引：1，他引：2
利用一个无量纲的水汽发展方程,针对同化时间窗口内出现和不出现降水两种情况,分析了不同模式误差和初始误差对降水四维变分资料同化预报效果的影响。结果表明,应用四维变分资料同化方法进行降水预报前,应该充分考虑数值模式中的误差,才能得到比较满意的同化及预报结果。假定同化窗口内获得的比湿观测场是准确的,当不存在模式误差时,四维变分资料同化方法可以有效地消除初始场误差,找到比湿真实初始场;而存在模式误差时,四维变分资料同化后的模式初始场会偏离真实的比湿初始场,并且模式误差越大,偏离程度越严重。在一些模式误差情况下,由于模式误差在同化窗口及延伸预报时段的作用不同,进行四维变分资料同化处理后,尽管累积降水量的预报结果在同化时间窗口内优于同化前的预报,而在最终预报时刻反而差于同化前。 相似文献
6.
Regional-Eta-Coordinate-Model(REM)中尺度模式对中国区域性降水显示出公认的较高预报能力,建立其四维变分资料同化系统是完善该模式,进一步提高其预报效果的重要工作。本研究编写了REM模式的切线性模式和伴随模式,介绍了建立REM模式伴随系统的过程,并利用实际天气个例资料,分别对REM模式的切线性模式、伴随模式及定义的目标函数梯度进行了正确性检验,检验结果表明对REM模式的切线性模式及伴随模式编写是成功的。利用REM模式的伴随系统,对1998年06月08日00时到09日00时和2000年08月01日00时到02日00时两个实际天气个例进行了四维变分资料同化试验。从数值试验的结果分析可以看到,进行四维变分资料同化后,两个天气个例在预报结束时刻其预报结果对风场和湿度场的预报都有明显改善,对温度场和高度场的预报也有所改善。对于累积降水的预报,两个个例利用四维变分资料同化后得到的初始场进行的预报结果则有较大不同,在个例1中,变分同化后对降水中心的位置和降水强度的预报都有明显改善,预报结果更接近于观测场;个例2中,变分同化后对降水中心位置和强度的预报则没有改善,产生这种现象的原因可能是由于定义的目标函数中没有加进背景场项,也可能是由于采用的观测资料时次比较少,还需要进一步进行研究和试验。 相似文献
7.
设计了一个以MM5模式为基础的遗传算法同化系统,并对一次暴雨过程进行了实际降水的模拟,通过对比遗传同化和伴随同化的降水预报效果,对遗传算法同化系统的同化性能进行验证。试验结果表明,遗传算法与四维变分相结合的同化系统能有效地改善模式的初始场,使MM5模式要素预报和降水预报的准确率得到提高。 相似文献
8.
基于雷达资料快速刷新四维变分同化(RR4DVar)初始化的三维数值云模式,利用京津冀6部新一代多普勒天气雷达和区域自动气象站观测资料,针对2013年7月4日出现在京津冀平原地区的中尺度对流系统(MCS),开展了数值临近预报试验。研究结果表明,充分考虑雷达观测信息的对流尺度数值临近预报具有很大的优势,但也存在不足:(1)模式能够较好地把握中尺度对流系统的组织发展和移动演变特征,对风暴回波带的走向和尺度特征有较好的预报,但对强回波的强度和位置预报存在一定偏差;(2)模式预报可以反映风暴系统的中小尺度扰动特征,对风暴冷池和出流边界(阵风锋)的发展变化均有较为合理的预报;(3)模式对强降水中心和雨带位置的预报有很大优势,能较好地预报弱降水雨带的分布形势和雨量,但对强降水落区的预报偏大;(4)模式对风暴造成的对流性强降水的预报准确率较高,对0.5—10 mm阈值的降水范围预报偏差比较合理,对10 mm以上降水范围的预报偏大,但是对弱降水风暴的弱回波较强回波的预报性能要好;(5)由于三维数值云模式对京津冀复杂地形的处理不够完善,对山前风场预报偏差较大,造成对山前风暴的发展演变和山前降水的预报偏差较大。 相似文献
9.
三种数值预报产品在清江流域面雨量预报中的释用 总被引：2，自引：0，他引：2
日本有限区降水预报模式、MAPS、HLAFS是宜昌市气象台常用的三种数值预报模式。在此,初步分析了三种模式对清江流域降水预报的性能,同时考虑到清江隔河岩水电站等重点水利工程对气象服务的实际需要,改变了通常的降水量级预报模式,对流域面雨量预报进行了尝试;在此基础上,对三种预报模式的降水预报产品加以综合,再利用多元线性回归方法建立了一套清江流域主汛期面雨量预报模型。1基本资料所使用的资料主要有：清江流域面平均雨量资料（08～08时）,日本气象厅有限区模式预报资料,国家气象中心HLAFS降水预报格点资料,武汉暴雨… 相似文献
10.
在已有的研究基础上,运用混沌理论中重建动力系统的方法来进行局地降水预测的研究。首先,通过分析降水时序关联维与嵌入相空间轨道的变化规律,探讨该降水时序的混沌动力学特性;接着对月降水量和气温时序进行多变量重构相空间,在相空间内搜索预报向量的k个最优近邻;最后,通过线性回归模型建立相似预报模型,试验结果与实际值吻合较好,证明了方法的有效性。 相似文献
11.
粒子群-神经网络集成学习算法气象预报建模研究 总被引：8，自引：2，他引：6
针对BP神经网络在实际气象预报应用中,网络结构难以确定以及网络极易陷入局部解问题,提出一种基于神经网络的粒子群集成学习算法的气象预报模型,以BP算法为基本框架,在学习过程中引入粒子群算法,优化设计神经网络的网络结构和初始连接权,获得一组合适网络结构和初始连接权,再进行新一轮BP神经网络训练,获得一批独立的神经网络个体,以“误差绝对值和最小”为最优准则,采用线性规划方法计算各集成个体的权系数,生成神经网络的输出结论,以此建立短期气候预测模型。以广西的月降水量进行实例分析,计算结果表明该方法学习能力强、泛化性能高,能够有效提高系统预测的准确率。 相似文献
12.
13.
STUDY ON THE METEOROLOGICAL PREDICTION MODEL USING THE LEARNING ALGORITHM OF NEURAL ENSEMBLE BASED ON PSO ALGORITHMS 总被引：1，自引：0，他引：1
Because of the difficulty in deciding on the structure of BP neural network in operational
meteorological application and the tendency for the network to transform to an issue of local solution, a
hybrid Particle Swarm Optimization Algorithm based on Artificial Neural Network (PSO-BP) model is
proposed for monthly mean rainfall of the whole area of Guangxi. It combines Particle Swarm
Optimization (PSO) with BP, that is, the number of hidden nodes and connection weights are optimized by
the implementation of PSO operation. The method produces a better network architecture and initial
connection weights, trains the traditional backward propagation again by training samples. The ensemble
strategy is carried out for the linear programming to calculate the best weights based on the “east sum of
the error absolute value” as the optimal rule. The weighted coefficient of each ensemble individual is
obtained. The results show that the method can effectively improve learning and generalization ability of
the neural network. 相似文献
14.
In order to achieve the best predictive effect of the Partial Least Squares (PLS) regression model, Particle Swarm Optimization (PSO) algorithm is applied to automatically filter the optimal subset of a set of candidate factors of PLS regression model in this study. An improved version of the Particle Swarm Optimization-Partial Least Squares (PSO-PLS) regression model is applied to the station data of precipitation in Southwest China during flood season. Using the PSO-PLS regression method, the prediction of flood season precipitation in Southwest China has been studied. By introducing the precipitation period series of the mean generating function (MGF) extension as an alternative factor, the MGF improved PSO-PLS regression model was also build up to improve the prediction results. Randomly selected 10%, 20%, 30% of the modeling samples were used as a test trial; random cross validation was conducted on the MGF improved PSO-PLS regression model. The results show that the accuracy of PSO-PLS regression model and the MGF improved PSO-PLS regression model are better than that of the traditional PLS regression model. The training results of the three prediction models with regard to the regional and single station precipitation are considerable, whereas the forecast results indicate that the PSO-PLS regression method and the MGF improved PSO-PLS regression method are much better than the traditional PLS regression method. The MGF improved PSO-PLS regression model has the best forecast performance on precipitation anomaly during the flood season in the southwest of China among three models. The average precipitation (PS score) of 36 stations is 74.7. With the increase of the number of modeling samples, the PS score remained stable. This shows that the PSO algorithm is objective and stable. The MGF improved PSO-PLS regression prediction model is also showed to have good prediction stability and ability. 相似文献
15.
支持向量机(SVM)的惩罚参数及核参数的选择直接影响到模型效果,通过粒子群算法(PSO)解决支持向量机的参数选择问题,实现了参数选择的自动化。将该方法应用于热带气旋强度预报,利用气候持续性因子,挑选了1990年的100个左右样本进行预报检验,预报时效为12 h、24 h、36 h、48 h的强度平均绝对误差分别为3.00、4.35、4.93和6.68 m/s。另外,还与国外预报结果及采用最小二乘回归法的预报结果进行了效果的比较,SVM方法显示了更好的预报能力。 相似文献
16.
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
17.
基于BPSO-NBayes的雷暴释用预报技术研究 总被引：1，自引：1，他引：0
提出了一种新的雷暴预报法,即二进制粒子群-朴素贝叶斯分类器(Binary Particle Swarm Optimization-Naive Bayesian Classifiers,BPSO-NBayes)方法,以福州、连城、宁波3站为例,对使用T511数值预报产品站点的雷暴释用预报技术进行研究。利用2010—2014年T511数值预报产品和单站观测资料,使用BPSO-NBayes方法,建立了0~72 h雷暴预报模型,并与Fisher判别准则和Bayes判别准则进行比较。预报结果表明,BPSO-NBayes模型临界成功指数都在0.29以上,平均值达到0.33以上,是3种方法中最好的,空报率都在0.59以下,漏报率在0.60以下,而且变化幅度很小。BPSO-NBayes模型明显优于Fisher判别准则和Bayes判别准则,具有良好的稳定性和预报能力。 相似文献
18.
投影寻踪聚类分析是根据设计的投影指标函数,并在相关约束条件下进行问题优化分析的过程.给出了用于求解投影指标函数的粒子群算法,并将构造的模型应用于森林承载力评价.仿真实验结果表明:与基于遗传算法优化的模型比较,基于粒子群优化的模型简单、容易实现并且没有许多参数需要调整;在应用上,基于粒子群优化的模型可获得更优的解,并可预计模型在森林承载力评价中具有重要的应用价值. 相似文献
19.
针对气象灾害预警业务中客观描述降雨型滑坡发生不确定性的实际需求,利用2014—2020年全国滑坡数据以及多源融合降水实况分析数据,通过样本构建、模型训练、参数优化以及预报输出等关键步骤构建基于机器学习分类算法的区域降雨诱发滑坡概率预报模型,探究不同类型机器学习分类算法识别诱发滑坡的降雨过程的可行性。结果表明:在算法评估中,线性判别分析算法准确率最高且泛化能力最好,其次为逻辑回归算法,再次为最邻近算法。在预报试验中,线性判别分析、逻辑回归以及最邻近等算法能够提取并学习降雨诱发滑坡的条件特征,对诱发滑坡的降雨过程有一定识别能力,最邻近算法和逻辑回归算法的概率预报高值区范围相对较大,易造成虚警结果,线性判别分析算法对局地降雨信息的提炼较好,但线性判别分析算法在非降雨中心区域输出低值概率预报的面积偏大。 相似文献
20.
小波变换作为新的信号分析工具,受到学者们的重视,然而如何将小波尺度与频率联系起来,是一个亟待解决的问题.为了求解小波的中心频率,提出了一种基于正弦波的模型,并将模型推广到任意采样间隔与任意小波尺度.由于模型的非凸性,传统的基于梯度的优化方法容易陷入局部最优,因此提出了一种基于Rossler吸引子的粒子群算法.实验给出了常见小波的频率值,并通过一个通信信号检测的例子证明了该方法的有效性. 相似文献