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
  收费全文   5篇
  免费   3篇
  国内免费   2篇
大气科学   10篇
  2023年   1篇
  2022年   3篇
  2021年   2篇
  2020年   1篇
  2019年   1篇
  2016年   1篇
  2013年   1篇
排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
初步研发了一套基于机器学习方法XGBoost且考虑地形特征影响的数值预报多模式集成技术,并与传统的等权重平均和线性回归方法的集成效果进行了对比分析。利用北京地区快速更新循环数值预报系统每天8次循环预报给出的近地面2 m温度、2 m相对湿度、10 m风速、10 m风向数据产品,分别基于机器学习方法XGBoost、等权重平均方法、线性回归方法构建了3种体现地形因子影响的多模式预报时间滞后集成模型。试验对比分析了暖季、冷季每日不同时刻的模式预报集成订正效果。结果表明:分季节试验中,基于XGBoost模型对2 m温度、10 m风速的集成预报结果相对原始最优预报结果误差明显优于其他两种传统方法。XGBoost对2 m温度集成的误差可降低11.02%—18.09%,10 m风速集成误差可降低31.23%—33.22%,10 m风向集成误差可降低4.1%—8.23%。2 m相对湿度的集成预报误差与传统方法接近。基于XGBoost的多模式集成预报模型可以充分“挖掘”不同模式或不同时刻快速更新循环预报优点,有效降低模式的系统性误差,提供准确性更高的多模式集成确定性预报产品。   相似文献   
2.
基于Copula函数的北京强降水频率及危险性分析   总被引:3,自引:0,他引:3  
客观分析强降水事件的发生频率及其致灾因子危险性,能为局地洪涝灾害的防灾、减灾规划及灾害预警提供科学依据。探讨了基于二元Copula函数的强降水致灾变量联合分布及其在强降水危险性分析中的应用。利用北京地区2005-2014年逐时降水资料提取强降水事件案例,通过建立能反映两个主要致灾因素--降水持续时间和过程降水量依存关系的二元联合分布模型,计算了北京地区强降水事件条件重现期,并以此为基础开展危险性分析。研究表明,北京地区强降水事件的持续时间多小于24 h,且主要服从广义极值和对数正态分布,而过程降水量则更适用于广义极值分布;通过Gumbel Copula函数能较好刻画过程降水量与持续时间的相互依存关系。北京地区短时强降水重现期受持续时间影响明显,仅基于降水量的重现期估算会低估其致灾危险性,利用基于Copula函数的条件重现期能更合理描述不同强降水情景致灾因子的危险性特征及其空间差异性特征。北京地区持续时间小于12 h、过程降水量在50 mm以上的强降水事件多呈东北-西南走向,而持续时间在6 h以内的50 mm以上强降水则在北京城区及东北部地区更加频繁。  相似文献   
3.
雷暴区域追踪矢量与雷暴单体追踪矢量融合临近预报研究   总被引:3,自引:2,他引:1  
雷暴追踪矢量的准确性是决定短时临近降水外推预报效果的关键。以TREC(Tracking Radar Echoes by Correlation)为代表的区域追踪和以TITAN(Thunderstorm Identifiation,Tracking,Analysis,and Nowcasting)为代表的单体追踪是追踪雷暴移动矢量的两种典型方法。TREC基于追踪格点雷达回波数据得到,能较好体现层状云降水和对流云降水系统的区域总体移动趋势;TITAN可以识别、分析雷暴的二维和三维属性,自动跟踪雷暴的移动速度和方向,形成雷暴单体移动矢量,能够更好地刻画小尺度雷暴单体的移动速度和方向。将TREC和TITAN两种移动矢量进行融合,生成新的外推移动矢量,既保留了TREC方法在刻画大尺度雷暴总体移动趋势信息方面的特长,又能充分发挥TITAN方法在刻画小尺度雷暴运动细节信息上的优势。融合试验表明,采用TREC和TITAN两种降水移动矢量融合的新技术,可以一定程度改进降水外推移动矢量场估计的准确度,提升降水落区和强度外推预报的准确度,对改善北京地区降水临近预报水平具有一定正效果。   相似文献   
4.
几乎所有的数值预报模式都存在系统偏差。虽然目前利用统计订正方法降低个别站点的风速偏差已经取得了一些成功,但基于站点的订正具有空间局限性,仍迫切需要基于格点开展复杂地形下高精度风场的融合预报偏差订正。本研究提出了一种复杂地形下北京冬奥赛区不同海拔高度高精度风场的融合预报订正技术。首先利用冬奥山地赛区及周边133个自动气象站风场实况观测资料与睿图-睿思系统高精度风场预报数据相结合,利用统计偏差订正方法,获取各站点1~12 h的平均系统偏差,然后再将地形降尺度后的中国气象局北京快速更新循环数值预报系统高分辨率风场利用格点偏差订正系数优化后作为背景场融合观测资料,更好地捕捉局地地形对山区风场的影响。结果表明,本方法极大程度降低了风速的系统性偏差,风速预报误差显著降低,12 h风速平均绝对误差和均方根误差降低率最高达40%以上。经过适当的修改,这种方法也可以应用于对其他变量的偏差订正上。  相似文献   
5.
利用北京地区高时间分辨率观测资料对2009年11月3—8日一次持续性雾霾天气过程中的气象因素和气溶胶演变特征进行了分析。结果表明,该次雾霾过程具有明显的阶段性特征,前期以霾为主,中期发展为雾霾交替,后期随着相对湿度减小再次转换为霾并最终消散。边界层逆温是低能见度过程形成的必要条件,但并不最终决定雾霾低能见度强度。相对湿度和PM2.5浓度是决定能见度大小的两个关键影响因子,对能见度的影响体现出阶段性特征。大部分时段PM2.5浓度是影响能见度的主要因子,当能见度小于1 km时,能见度变化更多受相对湿度影响。不同的情景计算表明,控制PM2.5浓度对于改善本次过程的能见度有重要作用。  相似文献   
6.
南刚强  陈明轩  秦睿  韩雷  曹伟华 《气象学报》2021,79(6):1002-1021
中尺度对流系统(Mesoscale Convective System,MCS)是很多对流性天气的主要致灾体,可导致严重的气象和水文灾害,如雷暴大风、冰雹、龙卷风和山洪。对MCS进行准确的识别和追踪,并根据追踪轨迹及获得的MCS特征实现MCS的分类,对灾害天气的分析和预报有重要意义。基于京津冀地区2010—2019年的雷达组合反射率拼图资料,分别使用支持向量机(SVM)、随机森林(RF)、极度梯度提升决策树(XGBoost)和深度神经网络(DNN)4种机器学习方法,研发了京津冀地区MCS的自动识别算法。使用时、空重叠追踪法对识别的MCS进行追踪匹配,得到包含强度、时间和空间信息的MCS追踪数据资料。在区分线状对流系统和非线状对流系统的基础上,进一步从经典的尾随层云(Trailing Stratiform,TS)、前导层云(Leading Stratiform,LS)和平行层云(Parallel Stratiform,PS)三类准线性MCS的概念模型和结构特征出发,根据追踪轨迹计算MCS的运动方向和MCS近似长轴两侧层状云和强对流云的面积占比,建立准线性MCS的分类算法。MCS的识别属于二分分类问题,以命中率(POD)、虚警率(FAR)、临界成功指数(CSI)和准确率(ACC)为评价指标,综合对比各项指标发现DNN模型较SVM、RF和XGBoost模型对MCS的识别效果更好。使用时、空重叠追踪法对DNN模型识别的MCS进行追踪,结合对两个追踪实例的分析,发现本研究所用的算法取得了很好的追踪结果,也进一步说明了深度学习方法识别MCS的准确性和优势。根据追踪轨迹计算某时刻MCS的运动方向,结合识别的层状云和强对流云的分布位置,准确实现了TS、LS和PS型准线性MCS的分类,为准线性MCS的生命史预测及其致灾天气特别是短时强降水的强度、位置和持续时间的客观预报提供了一种技术思路。   相似文献   
7.
精细尺度降水的临近预报对于提升现代城市内涝和山洪地质灾害预警能力具有重要意义。深度学习作为一种新兴方法,在挖掘数据内部特征及物理规律方面更具优势,近年来在天气雷达图像领域的应用已初见成效。为进一步提升精细尺度降水的临近预报能力,基于深度学习网络模型RainNet,研究建立了两种滚动预报方式,开展了京津冀地区1 km分辨率精细尺度降水滚动式临近预报试验和对比分析。 试验结果表明:与传统基于交叉相关的外推预报相比,深度学习网络模型RainNet总体可以明显改进降水1 h临近预报的绝对误差和相关系数;两个RainNet相结合的滚动预报方式对1.04 mm/(10 min)及以下阈值降水,在10—50 min预报性能一致优于传统的交叉相关外推预报。深度学习模型对降水消亡过程的时、空演变趋势刻画更好,尤其更适用于降水消亡过程的临近预报。采用两个RainNet模型相结合的滚动式预报方式优于单一模型滚动预报方式。   相似文献   
8.
冬季降水相态及其转变时间的精细化客观预报对提高气象预报和服务质量具有重要的现实意义。利用京津冀地区国家级自动气象站观测资料及网格化快速更新精细集成产品,统计分析了京津冀地区复杂地形下各类降水相态温度和湿球温度平均气候概率的分布差异及不同降水相态时网格化快速更新精细集成产品中可能影响降水相态判断的特征信息。然后将地面观测天气现象资料、复杂地形下降水相态气候特征及高分辨率模式输出产品作为特征向量,分别基于梯度提升(XGBoost)、支持向量机(SVM)、深度神经网络(DNN)3种机器学习方法建立了降水相态的高分辨率客观分类模型,并对同样条件下3种机器学习方法对雨、雨夹雪和雪3种京津冀主要降水相态的预报效果进行了对比检验,进一步提升了雨夹雪复杂降水相态的客观分类预报技巧。   相似文献   
9.
京津冀地区经济和文化的快速发展对冬季地面瞬时强风预报要求越来越高。正确估计和预测冬季地面瞬时强风,尤其是复杂地形条件下的阵风高分辨率格点精准预报,对于提升重大活动服务保障、首都及周边地区城市安全运行及防灾减灾能力等方面都具有重要意义。本研究基于京津冀长时间序列的实况观测资料,建立了阵风系数与稳定风速、风向、地形高度各要素之间的关系模型,并结合客观统计分析方法、阵风观测数据融合技术、格点偏差订正技术,发展了一种既保留模式物理参数特征和阵风局地气候特征,又发挥格点偏差订正技术的阵风客观预报方法。冬季奥林匹克赛事期间批量检验和个例分析结果表明,基于阵风系数格点模型和模式后处理订正技术得到的百米级分辨率、分钟级更新的阵风客观预报产品,24 h预报时效内张家口赛区和延庆赛区考核站平均绝对误差分别在2.3 m/s和3.0 m/s以下,延庆赛区8级以上大风,阵风风速预报评分超过0.5,解决了复杂山区数值模式阵风预报误差大、几乎无法业务应用的瓶颈问题,满足冬季奥林匹克运动会现场服务要求。  相似文献   
10.
基于线性回归方法、梯度提升回归方法(GBRT方法)、XGBoost方法和堆叠集成学习方法(Stacking方法)4种机器学习方法,采用误差分析建模思路,针对北京城市气象研究院研发的睿图-睿思系统对2020年12月—2021年11月所有起报时次未来3~12 h的2 m温度、2 m相对湿度、10 m风速以及10 m风向4种气象要素预报,开展京津冀复杂地形下的站点预报误差订正技术研究及试验应用。结果表明:基于预报误差分析构建的4种订正模型中,由于Stacking方法集成了前3种方法的优势,在4个季节的4种气象要素订正中均表现最佳,其他3种单一机器学习方法试验中,XGBoost方法表现最佳,其后依次为GBRT方法、线性回归方法,但均对预报准确率有明显的正向提升效果。总体上,基于机器学习方法构建的预报误差订正模型可有效降低系统原始预报误差,有助于进一步提升复杂地形下站点客观释用产品的预报准确性。  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