排序方式： 共有5条查询结果，搜索用时 0 毫秒
1
1.
利用自动气象观测站降水资料、常规地面与高空观测资料及卫星云图资料,对2012—2017年6—10月金沙江乌东德水电站坝区18次暴雨个例的大尺度环流背景及卫星云图演变特征进行统计分析,结果表明,切变冷锋型、两高辐合型、西南涡型、孟加拉湾风暴型、切变线型和高空槽型是金沙江乌东德水电站坝区的六类暴雨概念模型。总结归纳出对应的六类典型云型：切变线云带前界处的对流云团8次(占44.4%)、两高辐合云区内部的对流云团4次(占22.2%)、西南涡西南或东南象限的对流云团2次(占11.1%)、孟加拉湾风暴涡旋云系中分离出来的对流云团或对流云系2次(占11.1%)、切变线云带内部的对流云团1次(占5.6%)、高空槽前盾状卷云区南端的对流云系1次(占5.6%)。 相似文献
2.
3.
为了解高分辨率区域数值模式降水预报在云南的预报效果和误差特点,针对华南中尺度模式、华东区域数值预报业务模式和中央气象台GRAPES-Meso模式对2017年9月—2018年12月云南降水预报进行检验分析。结果表明:华东模式降水预报效果整体最好,其降水的振幅接近实况,晴雨准确率也是最高,而华南和GRAPES模式空报率和漏报率普遍偏高。三种模式对滇东北、滇中西部、滇西北北部≥0.1 mm降水预报评分普遍较低,对滇南、滇西南、滇西边缘地区的评分普遍较高。在滇东北北部、滇中西部、及滇西北北部地区三种模式对≥10 mm降水TS评分普遍较低。对于≥25 mm降水,华东模式和华南模式在滇中、滇西地区的TS评分高于GRAPES模式。对于≥50 mm降水,华东模式和华南模式在滇东南、滇西南、滇西边缘及金沙江河谷沿线TS评分高于GRAPES模式。对于云南强降水天气过程,≥0.1 mm降水华南模式预报效果较好,但10 mm和25 mm以上量级降水华东模式的预报效果较好,≥50.0 mm则是GRAPES模式更具参考价值。 相似文献
4.
检验分析2013年到2016年WRF模式对昆明降水量预报的TS评分时空分布特征。采用中尺度WRF模式系统模拟昆明典型大尺度天气系统的近两年雨季降水天气,进行模式预报性能的评估研究,并对比分析WRF模式预报与日常业务主观预报。结果表明:降水TS评分空间分布除了小雨外都不均匀,中雨TS评分是南部和西部地区较优,大雨TS评分是西南部和东部地区较优,暴雨TS评分是东南部和西北部地区较优。WRF模式小雨和暴雨TS评分低于主观预报;WRF模式和主观预报在切变线和孟湾风暴系统下预报性能较好;WRF模式在静止锋、南支槽、西南涡和西行台风过程中的中雨以上降水预报能力优于主观预报,而主观预报对两高辐合和切变线过程的强降水预报较好。 相似文献
5.
基于粒子群优化(PSO)算法和遗传算法(GA)对支持向量机(SVM)的核函数及主要参数进行训练优化,分别建立PSO算法、GA的支持向量机模型(PSO_SVM、GA_SVM)。选用ECMWF及T639数值预报产品资料和乌东德水电站降水资料,普查最优预报因子,构建包含各种类型降水过程的训练样本和测试样本。比较分析SVM模型RBF和Sigmoid核函数优劣。尝试先分段寻找局部最优,再选择全局最优的参数优化方法。通过增大训练样本集、降低交叉验证准确率、迭代次数截断和控制惩罚系数范围的方法,提高模型的稳定性和泛化能力,防止过拟合和收敛缓慢现象。利用测试样本对SVM、PSO_SVM和GA_SVM三种方案进行对比检验,优化的GA_SVM预报效果较好且稳定。经2018年试报表明,GA_SVM逐3 h累计降水量预报TS评分在50%以上,漏报率在15%以下,与ECMWF和T639比较,该模型TS评分提高1. 4%。 相似文献
1