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。     

一种新的基于伪最近邻算法的降水预报方法

分析北京地区日降雨量资料,相较于其他降雨事件,大雨或暴雨事件发生的次数较少,因此该地区的降水量预报属于样本不均衡问题。在样本不平衡的情况下,K最近邻(PNN)算法的分类误差率将会大大提高,这也就使传统的基于K最近邻算法的降水量预报方法的应用受到了限制。针对北京地区降水量预报这一样本不均衡问题,应用伪最近邻算法构建了北京市的降水量预报模型。该方法利用北京地区日降雨量资料和美国国家环境预报中心全球格点资料,将降雨量作为类,将美国国家环境预报中心全球格点资料的各种因子场作为天气样本特征,通过决策规则实现最优分类。利用提出的降水预报模型对北京地区2010年6~8月进行了24 h降水预报,实验结果表明,提出的预报方法对于降水等级预报的预报准确率以及晴雨预报的TS评分、正样本概括率和漏报率均优于传统的K最近邻预报方法,该方法具有较好的预报效果。     

基于快速滚动更新的无缝隙定量降水预报模型

针对中小尺度天气系统极易导致突发性短时强降水而难以定量化预报的问题,提出了一种基于快速滚动更新的无缝隙定量降水预报模型。模型基于改进光流法技术实现临近（0～2h）定量降水预报,基于GRAPES 3km实时频率匹配订正技术构建短时（2～12h）定量降水预报,基于最优背景场生成技术形成短中期（12～240h）定量降水预报;依据3种预报时效定量降水预报技术的技巧差异,结合实时预报检验评估,提出了基于经验权重函数的不同预报时效之间的预报融合技术,并根据最新降水实况逐1h调整预报,构建了0～240h快速滚动更新的无缝隙定量降水预报模型。选取2018年5—10月24h定量降水预报进行检验,并与传统定时预报对比,结果表明该模型24h降水预报准确率高于传统定时预报,特别是对中小尺度天气系统突发性短时强降水预报时空精度明显提高,有利于中小河流洪水预报与灾害防控。     

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.     

基于平均矩阵元法的RBF网络降水预报模型

针对径向基神经网络(RBF NN)的隐节点数难确定的问题,提出了一种基于相似矩阵确定RBF网络隐层节点数的新方法。采用基于输入输出全部信息的模糊相似矩阵的平均矩阵元法自适应确定隐节点数。建立自动确定隐节点数、中心、宽度、权值等网络参数的RBF网络降水预报模型,对广西5月的平均日降水量进行仿真实验,结果表明,该方法确定的隐节点数,网络规模较小,模型切实可行,在预报性能上明显优于同期的T213(中国气象局的全球中期天气数值预报产品预报值)降水预报,可为RBF神经网络隐节点数确定提供新思路,在降水预报上有一定的参考价值。     

降水系统对FY-2F降水临近预报可预报性影响分析

针对静止气象卫星降水临近预报中可预报性差和预报精度不高的问题。选用我国静止气象卫星FY-2F的4 926幅数据,通过研究了降水临近预报的可预报性,分析了5个典型降水系统对可预报性的影响。结果表明:FY-2F卫星1 h降水预报的偏差(Bias)、相关性(Corr)、均方根误差(RMSE)、检测概率(POD)、虚警率(FAR)和关键成功指数(CSI)分别为-0.08、0.66、0.75 mm/h、0.55、0.28、0.46,2 h降水预报的分别为-0.19、0.42、1.074 mm/h、0.42、0.46、0.31。验证了不同降水系统及发展阶段的降水临近预报精度差异大,为将来利用后续风云系列静止气象卫星进行降水临近预报提供借鉴。     

华东区域中尺度模式在景德镇暴雨过程中的检验与应用

利用2015年至2019年7月中旬期间华东区域数值模式24 h降水预报图片产品及景德镇国家站雨量资料,对该模式预报景德镇24 h暴雨进行了TS评分、空报率、漏报率检验,得出主要结论如下:模式对景德镇市24 h暴雨TS评分为0.26,空报率为68%,漏报率为37%,预报能力总体呈逐年上升趋势。6-7月模式TS评分高于空报率和漏报率,表明该时段模式预报具备较高的参考价值。模式20起报产品评分优于08。模式对不同类型暴雨预报结果统计表明,静止锋暴雨预报成功率高,参考价值大;冷锋暴雨及暖区暴雨次之。模式24 h暴雨预报一定程度上优于主观预报,但近2 a差距减小。模式对景德镇地区多次致洪暴雨预报表现良好。     

新疆GRAPES区域模式降水产品的性能检验分析

本文运用2010年新疆地区地面气象观测站的实况降水资料和GRAPES区域模式的降水预报产品。按照降水预报产品在新疆实际天气预报业务工作中的应用制定检验方案,对GRAPES区域模式12h降水预报产品进行检验。结果表明GRAPES区域模式的降水落区位置和落区面积预报准确率北疆高于南疆,降水落区位置预报偏南的概率比较高;各时效降水中心强度预报易偏强,随预报时效延长其准确率逐渐降低。     

基于对流参数逐步消空法的雷电潜势预报研究

本文在统计厦门地区2001年至2010年的探空资料和地面观测资料的基础上,尝试利用逐步消空法选取对雷暴天气影响较大的对流参数作为预报因子,建立雷暴识别指标集合,并给出预报流程,进而提高雷电潜势预报准确率。     

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．     

建立在神经网络基础上的煤矿突水预测模型

基于煤矿底板突水机理分析,利用BP神经网络具有分布式记忆、自学习、自适应性等特点,建立煤矿突水预测模型.实例表明,神经网络可以取得满意的预测精度,预测的结果更加可靠.     

Prediction of solar cycle based on the invariant

A new method of predicting solar activities has been introduced in this paper. The method can predict both the occurrence time and the maximum number of sunspot at the same time. By studying the variation of sunspot, we find that the combination of the several variables was nearly invariable during the entire solar cydes, as called invariant. And just only by determining the start time of a cycle, we can predict the occurrence time of cycle‘s peak value accurately. Furthermore, according to observational data of the sunspot cycles, it showed that the sunspot maximum number has correlation not only with the prophase variety of the number in the cycle but also with the anaphase of the previous period. So we can introduce an equivalent regression coefficient, which can dynamically self-adapt to different cycle lengths, and effectively solve the inconsistency between the accuracy and the lead-time of the forecast. It can guarantee the satisfied accuracy and effectively increases the lead-time of the forecast. This method can predict the maximum sunspot number for solar cycle at the approximate half rise of the period. This method predicts that the occurrence time of the maximum sunspot number for cycle 24 will be in January 2011.     

异常分析在长江中下游暴雨分析和预报中的应用

极端天气事件极易造成严重的气象灾害,对人类的生命财产和国民经济建设及国防建设等造成严重损害。使用欧洲中心(ECMWF)的ERA5再分析资料,选择对极端天气有分析和预报有效的原始异常度(RA)和标准化异常度(NA)对南通地区2016年7月11日极端强降水过程进行分析和预报。研究表明,相比于常用的原值场,RA和NA等异常场对分析和预报该次强降水过程更有优势。日常业务中常用的原值场,很难明显给出对极端降水有较好指示意义的预报指标,相比之下,RA和NA这种异常场,可以给出更为有效的极端降水预报指标。这表明,极端降水事件与气象要素的异常部分直接相关。极端降水的落区与位势高度RA和NA的负异常中心接近,湿度的RA和NA正异常出现的时段和位置也与降水出现的时段和位置有较好的相关性,降水强度与湿度和位势高度的RA和NA的异常强度也有一定关系。综合分析不同高度和位置位势高度和湿度的RA和NA,对分析和预报潜在极端天气的落区、强度和出现时段有重要帮助。使用ECMWF的模式预报资料,通过分析不同时效对该次过程的降水和850 hPa位势高度的预报结果,相比于对降水本身的预报,模式对850 hPa位势高度NA场的预报更为稳健,更有利于预报员该次极端降水事件的把握。     

洪水预报误差分布的极大熵法

首先根据实际洪水预报误差出现在有限区域的特点,应用极大熵原理,建立了洪水总量预报误差分布的极大熵模型;通过几个不同流域的计算,得出随着降雨量的增大,产流预报误差趋于一个稳定值的结论. 同时将该模型计算的分布与正态分布进行了比较,结果表明用极大熵法求得的误差概率分布能更好地描述洪水总量预报误差的分布特性,可以根据实际降雨量的大小确定不同的最大不确定性的误差分布,为分析不同量级洪水预报的风险提供依据.     

基于SMOTE算法和逻辑回归模型算法的江苏短时强降水潜势预报

短时强降水是导致城市内涝和山洪、滑坡等灾害的重要原因,其突发性强,局地性明显,预报难度大,是强对流天气业务预报的重点和难点之一。本研究利用2011-2018年的江苏省国家气象观测的逐小时降水资料对江苏省短时强降水时空分布特征进行分析,江苏短时强降水频次分布为典型的南多北少,主要降水出现在早晨04-10时和午后15-19时,前半夜出现降水的概率则较低。基于ERA5再分析资料,选取了对于短时强降水有较强判断能力的气象要素,合成少数类过取样算法（SMOTE）和逻辑回归（LR）方法,构建短时强降水的预报模型,利用2019年的,欧洲中期天气预报中心（ECMWF）预报产品基于该模型进行短时强降水的确定性预报和概率预报,并使用同期实况数据进行系统性检验和天气过程检验。结果表明该模型总体性能较好,对短时强降水出现与否有较好的判别能力和预报指示意义。未来24h以内的6h时效预报,TS评分在0.23以上,未来60h以内的6h时效预报TS评分均在0.2以上,但也存在着一定程度的空报和漏报。基于SMOTE+LR短时强降水预报模型对短时强降水的潜势预报具有较好的指示作用,对气象防灾减灾具有重要意义。     

中尺度暴雨模式MRM1简介及预报效果检验

介绍了近年来我们所研制的中尺度暴雨模式MRM1的基本情况及特点，以及对1998年，1999年和2001年6月、7月的降水集中时段进行的逐日降水预报试验及效果检验，并和美国著名中尺度模式MM5进行了同一时段降水预报检验的比较。结果表明，它是目前国内较好的中尺度暴雨预报模式，在暴雨预报方面较MM5也有一定的优越性。     

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.     

三门峡市2008年1月10—22日低温阴雪天气过程分析

通过天气背景、卫星云图、数值预报产品及新一代多普勒雷达产品,对三门峡市2008年1月10—22日低温阴雪天气过程进行了分析检验,结果表明:不断南下的冷空气和源源不断的暖湿气流是产生这次低温阴雪天气的根本原因;云顶亮温在低于-50℃时降水强度是最大的,而高于-20℃时降水强度则很小;降雪时雷达回波强度比较小,回波强度主要维持在15~20 d Bz之间;欧洲144~168 h的降温预报对三门峡本站具有很好的指导作用;相对湿度的预报和实况有很好的对应关系;提前4~5 d的欧洲风场形势预报有很好的可信度;24 h晴雨预报TS值,日本明显高于德国和T213,其中T213漏报较多;3~5 d降水预报TS值,T213优于德国和日本.在24 h分量级降水检验结果中,德国的TS评分高于日本和T213.     

关联交叉口短时交通流可预测性分析及组合预测算法

文中首先根据交叉口交通流参数时间序列的相关性对关联交叉口进行定义,给出关联交叉口短时交通流可预测分析的几个定量指标,以及交通流时间序列最大Lya-punov指数的计算方法;然后提出在短时交通流时间序列的可预测分析基础上,选取一组预测模型并建立基于RBF网络的非线性组合预测模型,提出了关联交叉口短时交通流的组合预测算法;最后对实测短时交通流进行仿真试验,结果表明组合预测方法相对于单项预测方法具有更好的预测性能.