排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
降水是在多种天气系统和复杂物理过程共同影响下形成的,因此降水预报难度较大。由于数值预报模式的局限性,使得模式预报产品存在一定误差。为探讨更加有效的模式预报产品误差订正方法,基于奇异值分解（SVD）与机器学习（多元线性回归、套索回归、岭回归）构建订正模型,对2007—2019年4月1日—6月30日华南前汛期欧洲中期天气预报中心（EC）模式降水预报产品进行误差订正试验。结果表明:基于SVD与机器学习相结合的订正模型能有效降低EC模式降水预报产品在华南的预报误差,均方根误差最大优化率达4.2%,累计超过69%的站点得到不同程度的优化;SVD与机器学习相结合的订正模型能很好地处理因子间共线性问题,具有更好的鲁棒性;而对多个订正模型加权集成,均方根误差优化率达5.7%,累计超过77%的站点得到优化,显然加权集成方法订正效果不仅优于EC模式预报产品,也优于参与集成的任一订正模型。 相似文献
2.
小时尺度水面蒸发可影响水面大气边界层热力和动力结构,分析湖泊小时尺度水面蒸发主要影响因素,选取准确模拟其特征的蒸发模型,将有助于改善流域天气预报和空气质量预报.基于太湖避风港站2012—2013年通量、辐射和气象观测数据,分析太湖小时尺度水面蒸发主要影响因子和3个模型(传统质量传输模型、Granger and Hedstrom经验模型、DYRESM模型)的模拟效果.结果表明:影响太湖小时尺度水面蒸发的主要因子为水气界面水汽压差和风速的乘积,而非净辐射.传统质量传输模型、Granger and Hedstrom经验模型、DYRESM模型模拟值与全年实测值的一致性系数分别为0.92、0.87和0.89,均方根误差分别为28.35、41.58和38.26 W/m~2.传统质量传输模型对太湖小时尺度水面蒸发的日变化和季节动态模拟效果最佳,其夜间模拟相对误差小于3%,除秋季外,其他季节的模拟绝对误差均小于4 W/m~2.Granger and Hedstrom经验模型系统性地高估太湖潜热通量,在大气较为稳定的午后(高估22~32 W/m~2)和冬季(高估72%)高估最为明显,模拟效果最差.DYRESM模型也系统地高估太湖潜热通量,模拟效果居中.考虑水汽交换系数随风速的变化特征将有助于改善传统质量传输模型和DYRESM模型对太湖小时尺度水面蒸发的模拟精度. 相似文献
1