排序方式: 共有28条查询结果,搜索用时 31 毫秒
1.
以1980-2020年广西台风期间桂林、梧州、龙州、南宁、玉林等5个气象观测站的地面日极大风速为研究对象,采用多元线性回归(MR)、支持向量机(SVM)、模糊神经网络(FNN)等三种较为常用的线性和非线性方法分别进行预报建模,对2011-2020年共10a独立样本的检验.结果 表明,在全样本风速预报的平均绝对误差上,FNN模型对桂林站、梧州站、龙州站、玉林站共4个站点预报的平均绝对误差最小,总体预报精度最好,MR预报模型则对南宁站有较好的预报能力,SVM模型预报效果总体偏差.对于6级以上大风的TS评分、命中率、空报率和预报偏差等4个评估指标的统计,FNN模型的预测精度最高且相对稳定,MR方案次之,SVM在三种方案中预报效果最差.FNN方法对广西台风期间地面日极大风速的预报有较好的参考作用. 相似文献
2.
尾流自导鱼雷对水面舰艇构成严重威胁。 为了把悬浮拦截弹被动拦截方式从非尾流区域扩展到尾流区,拦截尾流自导鱼雷,需要研究尾流内噪声特点,分析出拦截弹在尾流区的环境噪声特性。 基于悬浮拦截弹对不同吨位舰船尾流噪声进行研究,结合高阶累积量从概率论的角度出发,计算了尾流噪声的斜度和峰度随尾流年龄的变化规律;噪声斜度判断噪声是否满足对称分布,峰度判断噪声是否为高斯信号。 将实测数据与仿真数据峰度和斜度进行比对,得出结论:舰船尾流噪声环境可以近似看作是高斯信号,服从对称分布,且该分布特性与舰船吨位不相关。 相似文献
3.
为了更好地利用大量的卫星云图观测资料来提高台风暴雨的预报能力,解决并提高对台风强降水云系变化的预报精度,延长对未来云系变化的预报时效,构建基于合作对策Shapley-模糊神经网络的华南区域台风卫星云图非线性智能计算滚动集合预测模型,对增强卫星云图资料在台风暴雨天气预报中的实用性和及时性具有重要意义。依据2013—2016年华南区域台风影响过程的卫星云图,采用类似于数值预报模式的集合预报方法,通过对间隔6 h的卫星云图云顶亮温样本序列做经验正交函数分解,将提取出的时间系数作为云图预报建模的预报分量。考虑台风云系的发展变化主要受云团环境物理量场的影响,利用数值预报模式的物理量预报产品作为各预报分量的预报因子,并采用k-近邻互信息估计的分步式变量选择算法,通过两步过程实现相关变量的选择与弱相关变量的剔除,分别建立相应时间系数的Shapley-模糊神经网络集合预报模型,进一步将预报得到的各时间系数与空间向量合成,重构得到未来时刻的卫星云图预报图,实现了云图6—72 h的长时效客观滚动预测。试验结果表明,新方案所预测的云图与实况云图相关较高,重构云图的基本轮廓、纹理特征分布、清晰度以及云系强弱方面都比较接近原始云图。另外,研究进一步基于相同的云图预报因子,针对同样的建模和预报样本采用多元线性回归方案进行和新方案一致的云图预测。对比结果表明,这种非线性预报模型比线性方案能更好地预报未来较长时效台风云团的发展、移动的主要特征和变化趋势,其预测的云图与实际云图的主要特征更相似。云图预报时效达到了72 h,具有业务实用价值。 相似文献
4.
针对影响台风强度前期预报因子较多以及因子的非线性变化特点,首先采用逐步回归方法筛选出部分预报因子,再利用核主成分分析方法在剩余的预报因子中提取包含了原数据较多信息的核主成分与前期选入的预报因子共同作为模型输入.进一步考虑到神经网络集合预报中个体的准确性和差异性的权衡问题,在不同的初始条件下生成若干组神经网络,分别选择每组中性能最优的个体,建立了一种新的非线性神经网络集合预报模型.最后以西北太平洋海域2001-2010年5-10月的台风强度为研究对象进行了预报试验.结果表明,这种神经网络集合预报模型的预报结果符合实际应用的要求,其预报平均绝对误差明显小于同等条件下的神经网络方法和逐步回归预报方法. 相似文献
5.
利用美国NOAA提供的向外长波辐射(OLR)资料、NCEP/NCAR再分析资料以及上海台风所提供的热带气旋(TC)资料等,通过定义一个描写南海范围内(5°N~20°N,105°E~120°E)的热带辐合带(Intertropical Convergence Zone,简称ITCZ)强度指数,研究了南海ITCZ年际和年代际异常变化特征及其对非移入性南海TC[South China Sea-generated tropical cyclone(SCS-G TC)]活动的可能影响,并从异常强、弱南海ITCZ年份的大气环流背景和海表温度等变化特征来尝试揭示南海TC的活动规律。结果表明:在年际和年代际时间尺度上,南海ITCZ强度指数与南海TC的生成频数存在显著的负相关关系,长期趋势变化间的关系存在不同。南海ITCZ的强、弱显著地影响到南海TC的生成频数。强南海ITCZ年,南海TC频数偏多;弱南海ITCZ年,南海ITCZ频数偏少。强、弱南海ITCZ年对于南海TC的生成源地、TC的维持时间以及路径和强度的影响不显著。进一步分析表明,动力和环境条件方面,强、弱南海ITCZ年可能差异较大。异常偏强年,对流层低层出现气旋性环流,上层出现反气旋性环流;季风槽在南海区域偏强、位置偏南。与OLR表示的深对流区相配合,存在暖的海表温度和低层强烈的正涡度和强辐合,在高层存在相应的强的气流辐散,形成了极有利于南海TC发生发展的条件。弱南海ITCZ年则相反。另外,ITCZ强年,太平洋异常SST(Sea Surface Temperature)出现为La Ni?a特征,南海ITCZ区对流活跃,强度偏强。反之,ITCZ弱年则表现为El Ni?o特征,南海ITCZ关键区的对流强度偏弱。这些结果可为深刻认识南海TC的生成规律以及对南海TC的预报提供线索。 相似文献
6.
7.
8.
利用卷积神经网络(CNN)和随机森林回归模型,提出了一种新的欧洲中期天气预报中心(ECMWF)降水订正预报方法。该方法首先根据ECMWF模式对站点雨量预报值所属的等级进行划分,再计算出不同等级相对应的高相关因子矩阵。进一步利用CNN模型对高相关矩阵进行综合特征提取的学习和训练。最后对CNN模型最终输出的特征因子中,选取若干个与预报站点相关性高的特征,并与ECMWF降水量场插值到预报站点的因子一起,作为随机森林回归模型的输入因子进行预报建模。通过对10个预报试验站点未来24h降水量的分级和不分级订正预报试验,结果表明:(1)ECMWF降水量分级订正预报方法的平均绝对偏差和均方根误差分别比利用ECMWF插值到站点的预报方法减小了20%和15%;(2)24h暴雨及以上的降水分级订正预报方法的平均TS评分为0.32,也显著高于EC插值的0.19;(3)与利用同样的预报模型对全样本(不分级)的传统数值预报模式产品订正预报方法相比,本文提出的分级订正预报方法在总体预报精度和暴雨及以上的强降水预报TS评分上均有更高的预报技巧。 相似文献
9.
10.
基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心(ECMWF)集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。 相似文献