首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  国内免费   4篇
  收费全文   3篇
  大气科学   7篇
  2017年   1篇
  2015年   1篇
  2013年   3篇
  2011年   2篇
排序方式: 共有7条查询结果,搜索用时 31 毫秒
1
1.
基于评分最优化的模式降水预报订正算法对比   总被引:1,自引:1,他引:0  
使用2013年1月1日-2016年1月7日全国气象站观测资料,应用准对称混合滑动训练期,不改变雨带预报位置和形态,基于模式降水预报订正结果的TS评分最优化及ETS评分最优化,分别设计最优TS评分订正法(OTS)和最优ETS评分订正法(OETS)确定预报日各级降水订正系数,对2014-2015年降水数值预报进行分级订正,并与频率匹配法(FM)对比。结果表明:在24 h累积降水的多个预报时效订正中,无论是对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和中国气象局的全球模式降水预报,还是对4个模式的简单多模式平均,OTS和OETS较FM在TS评分和ETS评分等传统降水检验指标上均更优秀,其中OTS在所有时效均能提高模式降水预报质量,为三者最优。在概率空间的稳定公平误差评分方面,OTS在各时效、各单模式及多模式平均等方面优势明显。在预报员对应参考时效上,OTS在24~168 h的24 h累积降水预报中的TS评分也优于主观预报。  相似文献
2.
陈法敬  矫梅燕  陈静 《气象学报》2011,69(5):872-882
为用户提供概率天气预报信息是公共气象服务的发展趋势,概率天气预报技术的不断改进实现了概率天气预报信息的不断优化。在众多概率天气预报技术方法中,贝叶斯预报处理器是一种新近出现的、基于贝叶斯统计理论的概率预报技术;贝叶斯预报处理器可以根据一个确定性预报系统的预报值与观测值之间代表着这个系统预报性能的统计关系,借助于贝叶斯统计理论,把一个确定性预报转化为一个概率预报,从而实现对预报不确定性的定量化。由于亚高斯似然模型可以适用于多种单调似然比随机依赖结构,故采用该似然模型的亚高斯贝叶斯预报处理器,它在气象、水文等领域具有较强的适用性。在简要介绍了连续型二维随机变量情形下的贝叶斯定理及正态-线性贝叶斯预报处理器之后,详细论述了采用单一预报因子的连续型预报量亚高斯贝叶斯预报处理器,并以长沙站和武汉站2008年1月每日00时(世界时)地面气温(T2m)的中国国家气象中心、欧洲中期天气预报中心、美国国家环境预测中心集合预报中的控制预报资料(预报时效选为96h)作为确定性预报样本,对亚高斯贝叶斯预报处理器进行了初步试验。结果表明,亚高斯贝叶斯预报处理器可以将T2m各集合预报中的控制预报转化为能定量地表达各控制预报不确定性的T2...  相似文献
3.
陈法敬  矫梅燕  陈静 《气象》2011,37(1):14-20
数值天气预报技术与能力在不断地发展与提高,集合预报是数值预报发展中的一个热点.集合预报产品所提供的大量预报信息,需要通过合适的产品释用处理来传递给用户,因此对集合预报产品进行解释与应用是实现其实用价值的一个重要环节.选取武汉站00:00 UTC地面气温(T2m)作为预报量,利用其历史观测资料及2008年1月份TIGGE资料中的NCEP 120 h集合预报资料,基于单一数值预报产品的贝叶斯统计处理技术--贝叶斯输出处理器(Bayesian Processor of Output,BPO),对NCEP集合预报各成员进行BPO建模,获得了各成员贝叶斯概率预报,研究了NCEP集合预报各成员在2008年1月份对武汉站00:00 UTC T2m的120 h预报能力差异.基于各成员有效信息评分(Informativeness Score,IS),尝试对各成员贝叶斯概率顶报进行融合,获得了代表NCEP集合预报不确定性的集成贝叶斯概率预报.初步试验结果表明,NCEP集合预报各成员具有不同的预报性能,各成员贝叶斯概率预报之间存在较明显差异,这种基于BPO的集合预报产品释用方法,可以将集合预报不确定性定性定量化为一个集成贝叶斯概率预报,从而实现集合预报的概率化.  相似文献
4.
Public weather services are trending toward providing users with probabilistic weather forecasts, in place of traditional deterministic forecasts. Probabilistic forecasting techniques are continually being improved to optimize available forecasting information. The Bayesian Processor of Forecast (BPF), a new statistical method for probabilistic forecast, can transform a deterministic forecast into a probabilistic forecast according to the historical statistical relationship between observations and forecasts generated by that forecasting system. This technique accounts for the typical forecasting performance of a deterministic forecasting system in quantifying the forecast uncertainty. The meta-Gaussian likelihood model is suitable for a variety of stochastic dependence structures with monotone likelihood ratios. The meta-Gaussian BPF adopting this kind of likelihood model can therefore be applied across many fields, including meteorology and hydrology. The Bayes theorem with two continuous random variables and the normal-linear BPF are briefly introduced. The meta-Gaussian BPF for a continuous predictand using a single predictor is then presented and discussed. The performance of the meta-Gaussian BPF is tested in a preliminary experiment. Control forecasts of daily surface temperature at 0000 UTC at Changsha and Wuhan stations are used as the deterministic forecast data. These control forecasts are taken from ensemble predictions with a 96-h lead time generated by the National Meteorological Center of the China Meteorological Administration, the European Centre for Medium-Range Weather Forecasts, and the US National Centers for Environmental Prediction during January 2008. The results of the experiment show that the meta-Gaussian BPF can transform a deterministic control forecast of surface temperature from any one of the three ensemble predictions into a useful probabilistic forecast of surface temperature. These probabilistic forecasts quantify the uncertainty of the control forecast; accordingly, the performance of the probabilistic forecasts differs based on the source of the underlying deterministic control forecasts.  相似文献
5.
韩焱红  矫梅燕  陈静  陈法敬 《气象》2013,39(1):1-10
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
6.
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
7.
利用2011—2013年ECMWF、日本、T639高分辨率模式降水预报数据,CMORPH(NOAA Climate Prediction Center Morphing Method)卫星与自动站逐小时降水融合资料,基于邻域法FSS(Fractions Skill Score)、ETS(Equitable Threat Score)评分指数,分析模式的降水预报性能。(1) 暖季(5—9月)三家模式对小雨量级降水预报频率偏多,随着降水量的增大,模式预报频率逐渐减小,降水阈值10.0 mm左右时,预报频率接近无偏,FSS趋于1,其中T639模式受尺度变化影响最大。(2) 对ECMWF模式来说,降水阈值小于5.0 mm时,增加空间尺度,能够同时提高降水量级、范围的预报准确率,对5.0 mm以上量级降水,增加尺度不利于提高ETS评分;对T639模式来说,调整邻域空间尺度对降水FSS、ETS评分影响不大。(3) ECMWF、日本模式分别在局地性、系统性降水上有较好的预报表现,使用较大邻域来评定局地性降水并不合理,但对系统性降水来说,50~110 km的空间尺度能够取得较好FSS评分。(4) 不同月份上,三家模式的降水量级、范围的预报技巧评分不尽相同,整体来说,三家模式均在7月降水量级预报最合理。  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号