排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
基于模糊系统的西太平洋副热带高压异常年份的影响因子检测分析和动力预报模型反演 总被引：3，自引：1，他引：2
基于自适应网络模糊推理系统(ANFIS),讨论了滤除主信号之上影响因子噪声音的方法和途径,针对2010年的副热带高压异常的天气事实,首先用时滞相关法从观测资料中分析出2010年夏季风系统主要成员中对副热带高压异常影响最显著的3个因子:马斯克林高压、索马里低空急流和印度季风潜热通量,并用ANFIS诊断检测了这3个因子对副热带高压异常的影响和贡献。由于ANFIS系统具有非线性、容错性和自适应学习等特性,因此适宜于研究和模拟副热带高压等动力学不易准确描述的问题。在此诊断分析基础上,采用遗传算法和动力重构理论相结合的技术路径,从2010年实际的观测资料序列中客观准确地反演重构出非线性的副热带高压及其影响因子的动力模型,并对其进行了动力延伸预报试验。多次试验结果表明,预报的副热带高压面积指数、马斯克林冷高压强度指数、索马里低空急流和印度潜热通量指数在25天以内的中短期预报效果较好,误差不超过10%,并且预报出了指数的变化趋势。为西太平洋副热带高压与东亚夏季风系统的关联性和西太平洋副热带高压指数预测研究提供了一种新的思路和方法。 相似文献
2.
针对西太平洋副热带高压中长期预报不准确的问题,基于动力系统反演思想和改进自忆性原理等途径建立了副高脊线指数的动力预报模型.本文创新性地引入了最大李雅普诺夫指数改进了传统的自忆性函数,使其对副热带高压之类的混沌非线性系统更加具有针对性,较好地克服了预报初值单一性问题;并根据实际观测资料重构的动力系统作为其动力核,克服了传统自忆性方程动力核设置较为简单的问题.用建立的副热带高压脊线指数动力预报模型实现了副高南北位置的中长期预报,通过了副高异常年份和正常年份的多次实验,可以发现模型在25天以内的预报效果很好,相关系数能达到0.80左右,相对误差控制在8%以下,证明了改进的模型具有较好的中长期预报效果.另外还将此模型推广到对副热带高压的面积指数和西脊点指数的预报,也取得了较好的预报效果,证明此方法适合于副热带高压的整体预报.鉴于西太副高发生发展机理的复杂性和预报的困难性,本文为副高等复杂天气系统的预报探索了新的方法思路. 相似文献
1