排序方式： 共有2条查询结果，搜索用时 111 毫秒
1
1.
相似集合是近年来提出的一种基于相似理论、大数据挖掘和集合预报思路的统计释用方法。文中首先介绍了相似集合的基本原理,并应用该方法对北京快速更新循环数值预报系统（BJ-RUC）v3.0预报地面要素开展了订正释用试验。结果表明,相似集合订正后,在0—36 h预报时段内,10 m风速的均方根误差降低44%,2 m气温的均方根误差降低22%,均方根误差均显著减小。对比测站预报误差的水平分布,相似集合方法的应用对于提升非城区站点的10 m风速预报、复杂地形区域的2 m气温预报具有更为明显的效果。相同预报因子的相似集合和支持向量机方法对模式10 m风速和2 m气温预报均具有显著且相似的订正效果,但相似集合方法具有计算资源需求较少、不需要大量人工干预的优势。相似集合方法形成的集合较好地模拟了模式平均误差的增长情况,集合离散度与集合平均均方根误差表现出理想的统计一致性,即相似集合方法在形成确定性预报的同时,还能够提供预报要素的不确定性或概率信息。因此,相似集合方法在模式预报订正及释用方面具有广阔的应用前景。 相似文献
2.
最优集合预报订正方法在客观温度预报中的应用 总被引：1，自引：0，他引：1
数值模式的直接输出预报在实际应用时常与实况产生一定的偏差,对模式预报进行有效的本地化订正是提高预报准确率的重要手段。以欧洲中期天气预报中心(ECMWF)模式细网格资料,采用最优集合(anolog ensemble,AnEn)预报订正方法对北京市各站1～7 d的日最高气温和日最低气温进行订正,并对相关参数进行了本地化。采用了滑动训练期、优化变量权重两种方案进行训练。检验评估结果表明:(1)滑动训练期采用60 d时能同时保证计算效率和预报准确率;采用最优变量权重方案后,与预报员主观预报准确率对比,AnEn的最低气温优于预报员主观预报,最高气温基本相当;增加训练期的长度(引入多年的历史资料)相比优化变量权重方案能更有效地提高预报准确率。(2)AnEn预报订正方法在改善数值模式预报的固有偏差(如对由数值模式对局地地形、边界层日变化等形成的误差)效果显著,有较好的应用价值;对于因局地天气(如霾、降水、大风等)影响下,AnEn的温度预报准确率虽优于ECMWF,但不如主观预报,未来还有改进空间。还对检验结果进行了时间和空间验证,确保在以后的业务尤其是智能网格预报业务中的运行效果。 相似文献
1