排序方式： 共有22条查询结果，搜索用时 109 毫秒
11.
基于贝叶斯理论的集合降水概率预报方法研究 总被引：3，自引：1，他引：2
将贝叶斯理论应用到集合降水概率预报方法研究中.采用集合预报资料和历史观测资料,通过建立贝叶斯产品处理技术(Bayesian Processor of output,BPO)降水概率预报模型,将一组集合成员降水确定预报值修订为一组贝叶斯降水概率分布或概率密度的预报,并获得表征每个集合成员预报能力有效信息评分(Informativeness Score,IS).基于IS值对集合成员概率预报信息融合,得到集成贝叶斯降水概率预报,并采用连续等级概率评分(Continuous Ranked Probablity Score,CRPS)方法检验试验结果.结果表明,基于BPO方法得到的集成贝叶斯降水概率预报可靠性高于由集合预报得到的直接概率预报. 相似文献
12.
对我国华东、华南、华北区域气象中心和中国气象局数值预报中心业务运行的区域模式2011年5—9月的6 h降水预报, 采用不同检验结果平均方案进行对比检验。对比结果表明:不同的检验结果平均方案基本不影响与中国气象局数值预报中心模式 (NMC-GRA) 在相同区域关于TS评分比较的相对检验结论,即当两个模式评分差距较大时,评分高的模式在两个方案中是一样的,但评分比较接近时,若有一个模式对该区大尺度降水预报较好时,则可能在新方案中有较高的TS评分,而此模式原方案评分则可能略低于局地小尺度降水预报较好的模式。但对于较少发生的强降水预报的预报偏差的评价有很大不同,当新方案的结果显示多数模式对强降水的预报偏少,原方案则可能显示偏多,说明模式对大尺度的强降水预报较实况偏少,但对小尺度局地降水的预报则可能偏多。 相似文献
13.
14.
15.
一种基于可预报性的暴雨预报评分新方法Ⅱ:暴雨检验评分模型及评估试验 总被引：1，自引：0，他引：1
针对当前暴雨预报检验采用二分类事件检验方法存在较严重的“空报”“漏报”双重惩罚,没有考虑暴雨时空分布不均和预报评分可比性不够等问题,在分析预报员对暴雨预报评分期望值基础上,设计了一种基于可预报性的暴雨预报检验评分新方法和计算模型,分析了理想评分,并对2015-2016年4-10月中国中央气象台5 km×5 km定量降水格点预报和降水落区等级暴雨预报进行评分试验,获得了以下结果和结论:（1）预报员对暴雨预报评分期望值呈现梯级下降特征,与传统的TS评分存在显著差异;（2）设计了一种基于可预报性的暴雨预报检验新方法,通过引入e指数函数构建暴雨预报评分基函数,进而构建暴雨评分模型,该模型可以较好地拟合预报员对暴雨预报评分的期望值,同时改善了评分在不同量级阈值处的断崖式突变情况;（3）提出了预报与观测的邻域匹配方法,即一个预报点与所定义邻域中的一组观测相匹配,并利用距离加权最大值法确定暴雨评分值权重系数,预报与观测距离越近,距离权重系数越大,评分值权重越大,提高了评分的合理性,避免了距离较远的匹配站点得高分不利于鼓励预报员提高预报精度的问题;（4）对中国中央气象台逐日5 km×5 km水平分辨率的定量降水格点预报产品和中央气象台定量降水落区等级预报产品进行了评分试验,暴雨预报准确率全国平均值大于60分。基于可预报性的暴雨预报检验新评分与传统暴雨预报TS评分逐日演变特征相似,但可以较好地解析TS为0的预报评分,解析后的新评分与预报员和公众的心理预期更为接近。 相似文献
16.
17.
Persistent Heavy Rainfall (PHR) is the most influential extreme weather event in Asian summer, which has attracted intensive interests of many scientists. By use of operational global ensemble forecasts from China Meteorological Administration(CMA), a new verification method applied to evaluate the predictability of PHR is investigated. A metrics called Index of Composite Predictability (ICP) established on very basic verification indicators, in this paper, Equitable Threat Score(ETS) of 24h accumulated precipitation and Root Mean Square Error(RMSE) of Height at 500hPa is Selected to distinguish “good” and “poor” prediction from all ensemble members. Using the metrics of ICP, the predictability of two typical PHR events in June 2010 and June 2011 is estimated. The results show that the “good member” and “poor member” can be identified by ICP and present an obvious discrepancy in predicting the key weather system which impact on PHR. The different performance of “Good member” and “Poor member” reveals the higher predictability both in synoptic scale and mesoscale weather system in their location, duration and the movement by “Good member”. The source of growth errors for “Poor” member is mainly from errors of initial conditions in northern polar region. The growth of perturbation errors and the reason to cause the better or worse performance of ensemble member also have great value for future model improvement and further research. 相似文献
18.
降水邻域集合概率法是处理高分辨率降水集合预报不确定性的一种新方法。利用2017年5~7月GRAPES(Global and Regional Assimilation and Prediction Enhanced System)区域集合预报系统24 h降水预报资料,进行GRAPES降水邻域集合概率方法试验,并针对邻域概率法的等权重和邻域尺度问题,设计了邻域格点权重修正邻域方案以及二分类权重修正邻域方案,进行降水的集合概率法、等权重邻域集合概率方法、权重修正邻域集合概率方法和二分类权重修正邻域集合概率方法等四种方法的格点相关及敏感性试验,并利用多种概率预报检验评分评估上述四种方法的预报效果。试验结果表明:(1)尽管采用邻域计算方案的三种邻域集合概率方法的降水概率预报评分各有优劣,如等权重邻域集合概率法的相对作用特征曲线面积评分略优,而权重修正邻域集合概率法和二分类权重修正邻域集合概率法的降水概率预报可靠性更高,但采用了邻域计算方案的降水概率预报评分均优于传统的集合概率方法;(2)降水邻域集合概率方法的预报技巧对邻域尺度很敏感,统计评分最优的邻域半径为5~8倍模式水平格距;(3)引入了权重修正的两个邻域集合概率预报方法在24 h降水量超过10 mm时改进较明显,能够提供更加客观的概率预报结果。总体上看,降水邻域集合概率方法具有较好的应用前景,恰当的邻域概率方法及邻域半径可以获得更合理的降水概率预报结果。 相似文献
19.
一种基于可预报性的暴雨预报评分新方法Ⅰ:中国暴雨可预报性综合指数 总被引：1，自引：0，他引：1
针对当前暴雨预报检验采用二分类事件检验方法存在的双重惩罚导致评分过低,没有考虑到中国暴雨可预报性时、空分布不均,不便于对比分析不同区域暴雨预报能力差异等问题,为了发展基于可预报性的新型暴雨预报评分方法,在综合分析影响预报员暴雨预报信心的主要因素（暴雨气候统计特征、天气影响系统运动尺度特征及数值模式预报能力等）基础上,利用2008—2016年4—10月中国国家气象信息中心5 km×5 km分辨率的多源降水融合格点分析资料、站点降水观测资料和中国国家级业务区域模式降水预报资料以及扩展空间暴雨样本统计方法,构建了一种新型的中国暴雨可预报性综合指数（Synthetic Predictability Index of Heavy Rainfall,以下简称SPI）数学模型,以定量描述中国各区域的暴雨可预报性特征。SPI数学模型由暴雨气候频率、暴雨面积比率和模式暴雨预报成功指数（Threat Score,TS）3个分量组成,计算了2008—2016年4—10月SPI的3个分量及其时、空变化特征。分析结果显示:暴雨面积比率对SPI的时间和空间变化影响最大,两者偏相关系数大于0.9;其次是暴雨气候频率的影响,两者偏相关系数值为0.8左右;第三是模式暴雨预报TS评分的影响,两者的偏相关系数为0.7左右。分析还发现,SPI大值区随季节而变化,空间分布不均匀:4—5月,可预报性大值区主要分布在华南地区;6—7月,主要分布在江淮流域;7月中旬至8月,大值中心从江淮北部移到华北和东北地区;9月,副热带高压南撤,大值中心也相应南撤。 相似文献
20.
为了进一步提高GRAPES-REPS的降水预报性能,将GRAPES-Meso业务模式的高分辨率同化分析初值通过动力升尺度方法(简称GRAPES-M-US方案)产生GRAPES-REPS确定性初值,在此基础上进行了连续10 d的集合预报试验,并与基于T639全球模式同化分析初值动力降尺度方案(简称T639-G-DS方案)得到的确定性初值以及相应的集合预报结果进行了对比分析及预报检验,重点关注了降水预报的检验结果。结果表明:基于GRAPES-M-US方案得到的确定性初值相对于T639-G-DS方案得到的确定性初值而言,在低层具备更多的中小尺度信息;低层连续性变量预报表现较好,850 hPa的位势高度和温度的均方根误差以及概率预报评分(CRPS)均表现出了一定的改进效果,而中层和高层要素改进不显著,10 m风速均方根误差和CRPS均有较明显的改进效果,2 m温度均方根误差和CRPS则基本相当;对降水预报而言,24 h预报时效的小雨、中雨和大雨量级的TS评分、Brier评分和相对作用特征面积(AROC)均有一定的改进,其余预报时效总体而言基本相当或略有负效果;在2017年8月7日的强降水个例中,对强降水落区和强度的预报表现出了一定的"细化"和"纠偏"效果;总体而言,GRAPES-M-US方案较T639-G-DS方案表现出了一定的优势,特别是在短期降水预报方面。 相似文献