排序方式： 共有5条查询结果，搜索用时 46 毫秒
1
1.
应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具“潜力”的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。 相似文献
2.
This study investigated the impacts of increasing model resolutions and shortening forecast lead times on the quantitative precipitation forecast(QPF) for heavy-rainfall events over south China during the rainy seasons in 2013–2020.The control experiment, where the analysis-forecast cycles run with model resolutions of about 3 km, was compared to a lower-resolution experiment with model resolutions of about 9 km, and a longer-term experiment activated 12 hours earlier. Rainfall forecasting in th... 相似文献
3.
基于GSI的华南地区对流尺度快速循环同化预报试验 总被引：1，自引：1，他引：0
针对对流尺度快速循环同化系统多次循环同化带来的预报效果改进和资料应用问题,利用GSI同化技术和WRFARW区域模式,设计了华南地区对流尺度快速循环同化方案,对2016年4月17一18日华南地区的飑线天气强降水过程进行模拟试验,分析不同循环同化方案和雷达径向风资料同化对雷达回波、相对湿度、降水量级等的预报效果,以期提高华南地区飑线强降水过程预报技巧。检验结果表明:尽管只同化常规资料对预报效果的改进有局限性,但是多次循环同化对于模式预报的降水有一定改善作用;同时同化雷达径向风资料与常规资料对湿度和降水等模拟技巧均有所提高,大雨以上量级的ETS评分改进尤为明显;尽管模式模拟降水峰值小于真实观测值,但同化雷达径向风资料有效改善了飑线最强时段内的垂直上升速度,使得强降水发生时间和强度更接近真实观测。 相似文献
4.
Extreme rainfall is common from May to October in south China. This study investigates the key deviation ofinitial fields on ensemble forecast of a persistent heavy rainfall event from May 20 to 22, 2020 in Guangdong Province, south China by comparing ensemble members with different performances. Based on the rainfall distribution and pattern, two types are selected for analysis compared with the observed precipitation. Through the comparison of the thermal and dynamic fields in the middle and lower layers, it can be found that the thermal difference between the middle and lower layers was an important factor which led to the deviation of precipitation distribution. The dynamic factors also have some effects on the precipitation area although they were not as important as the thermal factors in this case. Correlating accumulated precipitation with atmospheric state variables further corroborates the above conclusion. This study suggests that the uncertainty of the thermal and dynamic factors in the numerical model can have a strong impact on the quantitative skills of heavy rainfall forecasts. 相似文献
5.
利用2010—2019年广东区域自动站逐时雨量定义短时强降水日,采用500 hPa和700 hPa广东区域日平均垂直速度来客观衡量天气尺度强迫,并对年均和强/弱天气尺度强迫下的短时强降水进行时空分布特征分析,结果表明:广东区域的短时强降水主要发生在4—9月,发生频次具有准双峰的日变化;粤西是短时强降水最频发区;茂名山区的短时强降水主要发生在白天,弱天气尺度强迫下占比达80%以上;频发次中心位于珠江三角洲,持续1小时以上的短时强降水占该地发生频次75%。强天气尺度强迫下短时强降水4—6月最多,弱天气尺度强迫下则7月达到峰值。弱天气尺度强迫下,仅历时1小时的短时强降水在粤北河源-梅州北部山区、粤东莲花山脉附近有次中心;历时2小时及以上的相对集中在粤西、珠江三角洲北部和粤东惠州-汕尾一带;3月肇庆-云浮和珠江口附近弱天气尺度个例占比高;7月粤北占比高;早晨07时在粤西阳江沿海有孤立的高频中心。 相似文献
1