排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
在信息量较大, 而预报对象与预报因子的关系又不清楚的状况下, 智能机器学习方法是解决这类问题的较好手段。利用1997—2001年成都站的常规探空资料和双流机场的地面观测资料, 使用支持向量机 (Support Vector Machines, 简称SVM) 方法, 选取多种核函数进行双流机场低能见度天气的预报建模试验。测试结果表明:以径向基函数和拉普拉斯函数构造的SVM预报模型实验效果最好, Ts评分分别为0.287和0.292, 远高于双流机场低能见度天气出现的频率 (0.155)。试验结果还表明:以径向基函数构造的SVM预报模型空报较多, 漏报较少; 而以拉普拉斯函数构造的SVM预报模型空报较少, 漏报较多。因此, 如果强调模型对低能见度天气预报的准确性, 则应采用以拉普拉斯函数构造的预报模型, 如果强调对低能见度天气的预防性, 则应采用以径向基函数构造的预报模型。 相似文献
2.
利用四川境内加密自动站分钟雨量、风场、温度、本站气压、湿度等资料对2012年7月20~22日四川境内的一次区域性暴雨天气过程的降水持续时间、强降水时段平均降水率和降水变率、强降水开始1小时特征、强降水中心雨量变化与本站气压、温度、湿度的对应关系进行了统计分析,初步探讨了不同时段的强降水分钟级雨量的时空分布特征。结果表明:针对本次过程而言,第一个强降水时段内发生的强降水具有降水率大,持续时间短,突变性强的特点,预报难度较大,而对于第二强降水时段内降水持续时间较长,降水率也较高,结合地面自动站的风场、温度、湿度和本站气压的资料能有一定的预报提前量。 相似文献
3.
四川盆地暴雨天气过程形成的物理机制分析 总被引:2,自引:0,他引:2
对每小时一次的高分辨卫星云图资料分析表明:造成四川盆地暴雨天气过程的中尺度云团是由具有不同天气尺度的形成机制,斜压抬升不是唯一造成盆地暴雨天气的机制。在暴雨天气过程中,各气象要素场相互制约,相互适应,用地转适应的结论和判据,来描述暴雨天气过程中各要素相互适应、制约的方式和条件,为进一步认识、了解盆地暴雨天气形成机制提供了一种新的途径,也为广大预报员提供了一种新的暴雨天气预报思路。由于盆地的特殊地形作用,使对流层中下层的大气状态,有时为准正压结构,有时又为斜压结构.在准正压状态下,盆地暴雨天气的形成机制与热带区积云对流的降雨形成机制相类似。在斜压状态下,盆地暴雨天气的形成机制中、高纬度地区的斜压降雨形成机制,在结构上有着较明显的差异。 相似文献
4.
分析了中国气象局下发的ECMWF0.25*0.25经纬网格模式产品格式。使用GrADS和Microsoft Visual Studio 2005作为开发工具,对采用多线程解译模式产品、形成MICAPS自定义格式产品的关键技术进行了介绍,以利于市州级相关人员借鉴,提升对同类资料的解译能力。软件处理资料时效高,为天气预报提供了重要的基础支撑。 相似文献
5.
1