环渤海地区云量的动力过程相似预报方法

利用环渤海35个台站1954-2002年近50年逐日平均总云量和低云量的观测资料,统计关注区域内少云、中等云量、多云的发生情况;再用同期NCEP再分析资料,计算出预报关注区域内与不同云量形成相关性较好的各种不同要素的平均场,依据动力过程相似原理,利用T213数值预报产品相邻24h预报场,以域块距离为依据,建立云量预报模型,制作日平均总云量和低云量4～9天的预报.经过2003-2007年的预报结果与实况资料的对比检验表明:依据动力过程相似方法建立的云量预报模型对日平均总云量和日平均低云量的预报准确率较高;日平均低云量预报准确率要高于日平均总云量;冬半年预报准确率高于夏半年;天空出现少云的预报准确率高于中等云量和多云的情况.     

台北地区冬季降水相似预报试验

为研究相似预报技术在低纬度地区的应用问题,利用典型相关分析方法,对台北冬季降水与降水发生前12h西风带上游关键区各高度层气象要素场的相关性进行了分析,定量化地确定了台北冬季降水的预报因子。在此基础上,根据综合相似离度构造多级相似方法,建立了台北冬季有无降水的预报模型;同时利用该模型对1995年冬季降水作了试报。结果表明,该模型可以综合考虑因子相关问题,预报效果较好。     

相似离度在船用防避台风决策系统中的应用

给出了用一种相似比较的新的数学衡量标准－相似离度及其预报台风路径和强度的使用技术,预测检验和推广应用表明,该方法对台风路径和强度的短,中期预报都显示了非常好的效果,显著地提高了预报精度,并能有效地预报台风 过程,对奇异路径和热带低民有相当的报能力,系统操作简便,运算迅速,特别适合于朋微要的舰船使用。     

极限学习机神经网络在短期降水预报中的应用

数值预报产品释用是天气预报现代化发展方向,也是我国预报业务建设的重点之一.结合主成分分析方法从中国气象局T213资料中选取降水预报因子,利用极限学习机(Extreme Learning Machine,ELM)神经网络方法进行衢州单站逐日降水的分级预报研究.结果表明:主成分分析方法可以保留原来预报因子矩阵大部分信息并大幅降低矩阵维数,使新的预报因子之间相互正交;ELM方法不仅具有很强的历史拟合能力,独立样本所有降水预报TS评分也从T213模式预报0.3提高到0.8,特别是对大到暴雨有了较强预报能力;与相同条件下BP方法预报模型相比,ELM方法网络参数设定简单,训练速度快,历史样本的训练结果和独立样本的预报结果也都要优于BP方法.