排序方式： 共有8条查询结果，搜索用时 15 毫秒
1
1.
准确识别云对提升天气预报和气候预测准确性有着重要意义,传统的阈值法和聚类法很难找出统一通用的阈值标准和方法,随着机器学习在云分类领域的应用和发展,在分类速度和分类精度上都有了明显提升。本实验对风云二号G星的红外云图进行预处理并构建卫星云图样本库,通过提取云图纹理特征再结合支持向量机（SVM）、随机森林（RF）和XGBoost分类器实现了对“晴空”、“层积云或高积云”、“积雨云”、“密层云”和“卷层云”的分类,实验结果表明：①三种分类器对该实验云分类的平均准确率分别为RF（62.5%）＞XGBoost（61.7%）＞SVM（60.0%）;②三种分类器对“层积云或高积云”的分类都最好且稳定,平均分类精度均达到了90%以上,最高为91.5%;③SVM对密层云（67.9%）、RF对卷层云（68.9%）、XGboost对晴空（68.3%）的分类效果次之,平均分类精度均达67%以上。 相似文献
2.
利用习水双偏振雷达对2021年5月2日发生在贵州西北部的一次冰雹、短时强降水过程进行分析,结果表明：双偏振雷达能够很好区分出冰雹和短时强降水,并可以分析出冰雹相态演变：高空出现明显的冰雹特征(差分反射率因子Zdr、差分相移率Kdp小于0 dB,相关系数CC为0.9～0.95),随着高度降低Zdr和Kdp从负值向正值转变,CC增加到0.95左右,表明冰雹在下落过程中融化为包裹着水膜的小冰雹并伴随降水,这与地面观测事实一致。观测到CC谷、Zdr弧、Zdr柱、Kdp柱和典型的三体散射双偏振特征,这些特征对雹暴的演变有指示作用。短时强降水回波的Zdr和Kdp随反射率因子强度的增大而增大,CC＞0.95,Kdp大值区能更好的指示出短时强降水的位置。 相似文献
3.
在划分气象风险等级时,传统地质灾害气象风险预警方法忽略了承灾体脆弱性因素,且气象风险预报等级整体偏高,导致高等级风险区空报率较高。基于此,提出基于机器学习的滑坡、崩塌灾害气象风险预警方法。利用信息量法,分析气象因素影响程度。选取坐标点、降雨量、易发生等级,将其作为机器学习人工神经网络的输入节点,判断是否发生崩塌、滑坡灾害;针对地质灾害区域,根据影响程度计算气象引发因子指数,结合滑坡、崩塌灾害潜势度G和承灾体脆弱性M,确定气象风险预警指数R,划分预警级别,完成滑坡、崩塌灾害气象风险预警。实验结果表明,设计方法有效降低了三级预报和四级预警空报率,提升了预警精细化程度。 相似文献
4.
从KOWCH and EMANUEL（2015）的结论“热带气旋的快速增强过程并无特殊物理机制在起作用”出发,利用JTWC西北太平洋TC最佳路径数据集（best track）和3种不同积云对流参数化方案模拟的数据资料对西北太平洋上热带气旋的强度变化和路径偏折进行研究分析,进行重新验证,得出以下结论：①决定TC的迅速增强过程和非快速增强过程的物理机制是有差异的;②肥尾效应在TC路径突变中比TC在迅速增强中更明显;③不同对流参数化方案对TC的强度变化模拟不同,其中KFMT方案模拟效果最好,KF方案次之,SAS方案最差。但无论是KF、KFMT还是SAS方案,对TC强度迅速增强的模拟能力都很弱,在减弱阶段均能较好模拟;④ 3种方案对TC路径偏折的模拟都较好,两端皆有较明显的肥尾现象,表明TC的路径突变确实是有特殊物理机制在起作用。 相似文献
5.
利用贵州2017年实况高温、低温以及降水数据对GRAPES_MESO区域中尺度模式预报的温度与降水产品进行检验,结果表明：该模式对贵州高温预报能力较差,对低温预报能力较好,误差在2℃以内且预报稳定性较高,该模式在小雨预报方面有一定优势,对暴雨及以上降水预报能力较差。从贵州不同区域检验结果来看,该模式在温度预报上为安顺市最好、铜仁市最差,在降水预报上为遵义市最好、黔西南州最差。检验分析结果为进一步改进GRAPES_MESO区域中尺度模式,提高要素预报准确率提供一定依据。 相似文献
6.
利用日常业务常规高空和地面探测、观测资料,地面加密自动站分钟数据资料以及榕江站、贵阳站C波段多普勒天气雷达探测资料,分析了2020年3月23日贵州榕江飑线大风及长顺大冰雹的成因及雷达回波特征 。结果表明：（1）此次飑线大风与大冰雹发生在南支槽前暖区,地面热低压发展推动辐合线移动、低层西南暖湿气流、中层干冷空气、合适的0℃和-20℃高度均为此次飑线大风及大冰雹的产生提供了有利的环境条件。（2）雷达回波大冰雹特征突出：强回波悬垂,有界弱回波区,弓形回波,中心强度强（60dBz以上）且50dBz强回波伸展超过-20℃高度达到9km以上,垂直积分液态水含量最高达到了70kg/m2,连续超过两个体扫VIL≥60kg/m2,回波顶高连续超过两个体扫在15km以上。（3）飑线雷达回波大风特征明显：弓形回波形态特征明显且移动较快,移速约40千米/小时,低层径向速度大,中层径向辐合大风区下传,速度零线通过观测站后大风加速。（4）短临预警业务中,对飑线大风天气,应重点关注低仰角速度大值区、中层径向辐合和弓形带状回波生成后移动发展对下游地区的影响;对大冰雹天气,应重点关注大于50dBZ强回波垂直扩展的高度、VIL和ET高值区的维持等。 相似文献
7.
8.
基于CMA-GD模式预报数据,利用多神经网络的动态权重集成方法,开展了贵州省温度预报订正研究,最终获得本地化温度预报订正产品。结果表明：(1) 在对历史数据检验评估的基础上,利用多种神经网络方法可有效降低模式系统误差,通过BP、BP_GA、WAVENN、GRNN、LSTM等神经网络订正,2020年贵州省0～72 h预报时效的温度平均绝对误差较模式降低0.01～0.17 ℃;(2) 考虑到不同神经网络订正结果的差异性,采用动态权重方案对订正结果进行优势集成可显著提升预报可靠性。经集成后的温度预报效果优于模式直接输出和各神经网络订正结果,2020年贵州省0～72 h预报时效的温度平均绝对误差较模式降低14.93%,预报准确率提升8.24%。此外,动态权重集成后的订正结果还表现出较好的稳定性。基于该方法形成的本地化客观预报订正产品可为提升贵州复杂地形下温度预报质量以及精细化预报服务水平提供参考依据。 相似文献
1