人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报,根据南京夏季梅雨期的天气特点,用统计和动力学方法从HLAFS(高分辨率有限区域预报系统)预报产品中寻找预报因子,然后用2种方法选取输入因子分别对人工神经网络进行训练,并利用抽取的5天雨量实况作降水分级预报检验.通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现:与HLAFS数值模式的降水预报相比,人工神经网络降水预报方法的准确率提高了20%以上,而且漏报、错报明显减少;特别是与逐步回归预报相比,大到暴雨的预报准确率得到了明显提高,这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值.     

WRF3.0参数化敏感性及集合预报试验

为了研究WRF模式中的参数化方案对暴雨数值模拟的影响及物理过程集合预报在WRF降水集合预报中的适用性,利用中尺度WRF3.0数值模式,将模式中的物理过程参数化方案进行组合,构造了20个集合预报成员,对2003年7月8、9日发生在江淮地区的一次降水过程进行了集合预报试验。得到:集合成员之间存在一定的不确定性,不确定性随降水量级增大而增大,最终维持在一个较高的水平;通过定量比较发现,对于0.1 mm量级降水和25 mm以上量级降水,积云对流参数化方案对降水的影响要大于行星边界层方案对降水的影响;而对于10 mm量级降水,行星边界层方案对降水的影响要大于积云参数化方案对降水的影响。对20个预报成员进行了集合平均及降水概率预报试验,结果表明,集合平均的结果要比各个成员的稳定、可靠;概率预报能够提供一些有利于降水预报的信息。     

海州露天矿气象因素滑坡灾害成因分析及预报

为了揭示降水对露天矿滑坡的影响规律,在对滑坡调查和分析的基础上,通过对海州露天矿近50年的滑坡灾害资料和实况气象降水资料进行对比分析,得出了因气象因素导致滑坡灾害的触发机制,利用多元回归分析方法建立了临界滑坡预报模型.采用该模型进行滑坡时间预报,结果理想,说明该模型具有一定的合理性、实用性.     

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.     

GIS支持下的地形对地区降水影响因子分析——以甘肃省天水市为例

地形对地区降水有着明显作用,在有限的降水资料基础上研究影响降水的地形因素,建立降水量与各地形因子（海拔高度、经度、纬度）之间的关系,可以为流域内水资源和水环境研究提供良好基础。本实验利用1985—2004年甘肃省天水市降水量随海拔高度和地形经纬度变化的相关基础数据资料,运用最小二乘法进行线性回归分析,并在此基础上进行插值,对降水量信息进行基于影响因素的协同插值,建立降水量与地形因子的关系模型,分析出降水区域信息,进而对其变化规律进行总结,求出相关系数,用以得到地形对降水量的影响因素及程度,最终得出定性和定量结果,为后期各类降水的地形影响分析提供了有效参考。     

热带太平洋和印度洋海温对东南亚降水的影响

 应用谱分析的方法,讨论了东南亚降水分别与热带印度洋和太平洋海温的关系.得出热带印度洋和太平洋海温变化对东南亚降水影响的最佳落后时间长度.同时找出了上述2片海域对东南亚降水影响的几个关键区,它可以作为东南亚旱涝预报的强信号因子.     

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。     

TIGGE模式在淮河水系史河流域的应用

为了提高淮河水系史河流域降水预报的精度,对TIGGE模式降水预报校正方法进行了研究。基于TIGGE的ECMWF、KMA、JMA、UKMO、CMA等 5个模式2015—2017年汛期在史河流域的降水预报数据和雨量站实测降水资料,采用降水预报的均方根误差指标和在确报率、空报率和漏报率评价指标基础上提出的降水预报三率综合评价指标,对各模式在1~7 d预见期内的预报精度进行综合评价,采用2种非线性方法RBF及ν-SVR对TIGGE的5个降水预报模式进行非线性集合预报校正,并与线性方法BREM法进行了比较。结果表明:TIGGE的5个模式中,JMA模式的降水预报精度最高,其次是ECMWF和UKMO,实时降水预报校正ν-SVR法明显优于BREM法和RBF法;实时降水预报校正ν-SVR法提高了TIGGE模式降水预报的精度。     

基于CCA-BP-BPNN释用模型的太平洋SST预报

为了有效提高预报精度,将一种基于神经网络并能综合有效利用全场信息的非线性释用技术应用到海洋SST预测上.通过CCA-BP法建立的典型因子,可以代表气象因子场与SST之间的大部分协方差关系,使气象因子与站点要素相关性大为提高,进而通过神经网络技术(BPNN)建立非线性预报模型.利用该模型尝试对热带太平洋表层海温形势(ENSO)进行预报,并建立了该区域逐点海温的预报方案.试报结果表明,该方法对预测春季海温形势有较好的效果,有效预报时效可达1 a以上;对6 a的3月份热带太平洋表层海温预报,平均绝对误差为0.22 ℃.该方法为海洋SST统计预报提供了一个值得参考的途径.     

人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报，根据南京夏季梅雨期的天气特点，用统计和动力学方法从HLAFS（高分辨率有限区域预报系统）预报产品中寻找预报因子，然后用2种方法选取输入因子分别对人工神经网络进行训练，并利用抽取的5天雨量实况作降水分级预报检验．通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现：与HLAFS数值模式的降水预报相比，人工神经网络降水预报方法的准确率提高了20％以上，而且漏报、错报明显减少；特别是与逐步回归预报相比，大到暴雨的预报准确率得到了明显提高，这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值．     

分站客观降水预报试验

将逐时段定点降水非连续量的预报问题转化为对一个连续的降水可能函数的预报问题.降水可能函数为一由实况值确定的函数.发展了一种新的非线性多因子动态组合方法,通过对降水可能函数的预报,作客观分站降水预报.1998年在北京地区15站进行了为期半年的预报试验,当天夜间的降水预报平均CSI得分为0.40,第二天白天平均CSI得分为0.40.     

气候场主成分回归预测模型在海南岛汛期降水预测中的研究应用

计算与分析了海南岛汛期降水量场的主成分分布及分型特征,选取北半球500hPa高度场、北半球海平面气压场、太平洋海温场3个影响海南岛汛期降水的高影响因子,提取其前25个主成分作为预测因子,通过相关性筛选及逐步回归检验方法,确立降水场与筛选预测因子关系,建立相关高影响因子对主成分的预测方程,通过对高相关因子所构成气候场的主成分预测,最终实现海南岛汛期降水量场的预测.将2016年海南岛汛期降水实况、现有多模式集合预报(MODES)汛期降水预测值及回归预测模型降水预测值进行比对,发现该模型对海南岛汛期降水及极值分布有较好的预测模拟能力,在实际业务中有一定的应用价值.     

黄河下游降水与海温的关系

采用相关、回归分析的方法,对黄河下游降水与全球海温的关系进行了分析,揭示了不同海芡的海温对降水的影响,寻找出关键区和关键时段,建立了主汛期7,8月降水的预报方程,为黄河下游旱涝趋势预报提供了可靠的预报因子。     

逐步相似过滤法在青海省4～10天降水预报中的应用

依据逐步相似过滤法和最小相似离度原理,利用T213数值预报产品、NCEP逐日再分析资料和1957-2005年青海省42个地面站降水资料,建立不同的相似预报过滤方案,制作青海省未来4～10天的降水预报.经过降水预报准确率检验,确定"最优"逐步相似过滤方案.最优方案降水预报水平与青海省2008年降水业务预报水平对比表明:所建立的"最优"逐步相似过滤方案对青海省未来4～10天的降水预报具有更高的可信度,在日常预报中具有较高参考价值.     

基于时变关键区和时滞多变量的长江下游10-30d低频降水实时预报

利用NCEP/NCAR逐日850 hPa再分析风场资料和长江下游地区25站逐日降水资料,采用Butterworth二阶20~30 d滤波,通过变系数时滞回归和关键区自动筛选方法,构建了长江下游地区汛期(5~8月)的延伸期低频降水实时预报模型方案,对1979、2013年的汛期降水分别做了回报和预报试验。结果表明,基于多变量时滞回归方程(MLR)的实时预报方案,能客观地反映影响长江下游夏季强降水的欧亚环流季节内振荡(ISO)传播特性的时间变化,为长江下游地区强降水延伸期预报提供主要信号。提出的实时预测方案中,关键区的选择随建模样本而变化,体现了ISO变化的多样性和一定程度的不稳定性,预测模型能及时适应大气内部动力过程和外部强迫引起的时滞相关结构的改变,在一定程度上提高了延伸期预报的能力。     

耦合TIGGE降水集合预报的洪水预报

耦合数值降水预报信息的洪水预报延长了预见期,为防洪调度赢得了宝贵的决策时间.但"单一"的降水预报具有较大的不确定性,即基于"单一"的降水预报所做出的调度决策可能不是优化的,甚至可能会出现较大的偏差,因此在洪水预报中引入了降水集合预报信息来考虑相应的降水不确定性.文中以桓仁水库以上流域为试验流域,将欧洲中期天气预报中心(ECMWF)的降水集合预报数据驱动新安江模型,得到预报径流的区间范围,为决策者提供更多有用的风险信息.计算结果表明,ECMWF降水集合预报可用于洪水预报,且能较好地描述洪水预报的不确定性.根据集合平均降水预报的特点,对集合平均降水数据进行了修正,并将修正后的集合平均数据驱动水文模型,其预报效果有了很大的改善.     

浙南山区小流域WRF模式参数化方案对比与优化组合

准确的降水预报对好溪流域防洪减灾具有重要意义。本研究选取好溪流域典型降水场次,基于WRF（Weather Research and Forecasting）模式,开展云微物理过程参数化方案和积云对流参数化方案敏感性分析,优选适用于好溪流域的物理过程参数化组合方案,提高好溪流域降水预报精度。研究结果表明：云微物理过程和积云对流参数化过程的方案选择及组合对降水预报影响显著,然而没有某一种组合方案的模拟效果对于所有场次的降水都是最佳的;综合考虑所有的典型降水场次,当云微物理参数化方案选择Lin（Purdue Lin）方案、积云对流过程参数化方案选择KF（Kain-Fritsch）方案时,降水预报精度最高。     

短期气候预测中基于预报因子的误差订正方法研究

依据动力-统计相结合进行短期气候预测的基本思想,为了将统计经验运用于动力预报中,提出了基于预报因子的误差订正新方法(PREC).分析表明,该方法能够有效利用预报因子与模式预报误差之间的显著相关关系,并通过建立统计预报模型对预报误差进行估算和订正.进一步利用国家气候中心CGCM的季节回报数据,并选用表征气候系统年际变率最主要模态ENSO循环的特征量(即Nio3区海温指数)作为物理预报因子,将PREC应用于动力季节预测试验.相比于传统的系统误差订正,利用前期预报因子信息的PREC对夏季平均环流和降水量预报结果均有不同程度改善,从而为利用统计经验改进短期气候预测提供了新途径.     

C波段雷达快速循环同化技术在宁夏降水天气预报中的应用

介绍了宁夏C波段雷达快速循环同化技术及其在2018年夏季降水预报中的应用效果。快速循环同化技术主要基于天气研究预报(weather research and forecasting,WRF)模式,通过对C波段多普勒雷达资料进行去除奇异点、地物遮挡、谱宽检查、退模糊等质量控制,利用三维变分同化、动力降尺度及冷暖启动方法,实现了C波段多普勒天气雷达观测数据的逐小时快速循环同化分析,可逐时滚动输出未来12 h逐小时间隔、水平分辨率3 km的降水、气温、风向风速、相对湿度、物理量场等格点预报产品以及雷达回波产品。通过在2018年宁夏降水预报中的应用分析发现,加入雷达资料同化后的WRF模式降水预报能力有明显提升,可为宁夏降水天气智能网格预报特别是暴雨的短临预报预警提供技术支撑。     

利用层次分析和模糊数学法优选采矿方案

为从多种备选采矿方案中选出最优方案,提出了利用层次分析法和模糊数学方法对众多采矿方案进行综合评判与优选.首先综合考虑采矿方法选择涉及的指标,构造采矿方案评价指标体系层次结构模型;其次利用层次分析法确定各因素的权向量,采用线性函数法和二元对比排序法解出定量与定性指标的隶属度,并构建隶属矩阵,从而建立模糊综合评价模型;最后采用模糊评判法计算出每个方案的综合优越度及选出最优方案.以张家沟煤矿为例,计算得出各备选采矿方法的优越度分别为0.973,0.873和0.919,因此确定第1种方案为该矿最优采矿方法.实例验证了该方法的可行性和合理性.