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．     

云南雷暴潜势预报系统的建立和应用

针对云南雷电具有活动频繁且发生强度大的事实,为提高雷电天气的预报准确率,在分析其影响因子的基础上,从环流形式场、不稳定参数等方面选取预报因子,进行相关分析和权重分析,建立了典型天气环流形势样本库和云南雷暴潜势预报系统.系统实现了从资料接收、资料处理、预报结果处理、产品输出和预报评分的全自动化.对系统2008年5～8月的运行结果进行效果检验,结果表明:雷暴潜势预报系统对云南省的雷电总体预报效果较好,对具有典型天气背景的雷电总体预报效果更好,该系统为开展短时临近雷电预警提供了重要的参考依据.     

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.     

忻州市初春一次强降温天气特征分析

利用天气环流形势和各种物理量场特征,分析了忻州市2012年3月11日出现的强降温天气过程,探讨了此次天气过程形成的原因,为进一步提高寒潮预报准确率提供借鉴。     

基于多模式预报优选融合技术的短时定量降水预报

为提升短时定量降水预报准确率,使其更好地支撑城市暴雨洪涝及中小河流洪水预报,基于多源数值天气模式预报值,构建了基于预报成员优选融合的短时(0~12h)逐小时定量降水预报模型,模型由单模式百分位映射订正技术模块、模式订正预报成员实时优选技术模块、预报成员实时融合技术模块和融合预报的百分位映射订正技术模块4个技术模块组成。以河南省为例对模型进行检验,结果表明:模型预报降水分布和强度随着预报时效临近更接近实况降水;模型提前6h预报出郑州“7·20”暴雨最强时段降水的落区和强度;在2021年1—9月降水预报对比检验中,模型预报准确率高于任意单模式订正预报和原始模式预报,且准确率随着预报时效的临近逐步提高。     

2019年3月21日江西省强对流过程分析

为总结江西强对流天气特点及预报指标,应用常规气象资料、江西雷达回波拼图资料和宜春风廓线雷达产品分析了2019年3月21日赣北出现的一次强对流天气过程.结果表明:地面暖区叠加辐合区,低槽与中低层急流配合,冷空气南下,有利于强对流天气产生发展.强的垂直风切变,"上干下湿"的喇叭口结构,适当的0℃层和-20℃层高度,有利于强风雹天气生成.通过风廓线雷达风场计算的本地螺旋度表明,螺旋度峰值与冰雹出现时间对应较好,且提前于短时强降水出现.结论对于冰雹等强对流天气的预报、服务有明显参考价值.     

千（阳）陇（县）地区冰雹的成因分析

根据多年冰雹预报工作的研究成果，分析了千（阳）陇（县）地区１９６２－１９９４年的冰雹过程，归纳出千陇地区冰雹天气气候规律，及有利于冰雹产生的天气形势和物理量、雷害回波判别指标和判别方程。为准确预报该区冰雹天气提供一些依据。     

日本传真天气图上温带气旋预报准确率分析

利用日本东京JMH台发布的地面24h、48h预报图,对温带气旋预报准确率进行了统计分析．结果表明：24h温带气旋强度预报准确率达到88％,位置预报准确率为84％;48h温带气旋强度预报准确率为69％,位置预报准确率为71％．对在西北太平洋海域航行的船舶有重要的参考和使用价值．     

利用支撑向量机预报大气污染物浓度

针对污染物浓度序列具有强非线性和显著长程相关性的特点,结合相空间重构和支撑向量机(SVM)构建了一个多步预报的递归模型.对理想混沌序列和多种污染物浓度资料的实验结果表明,模型预报的准确率和效率均显著优于人工神经网络.这种通用建模方法的优势在于对系统非线性机制的反馈十分清晰,充分发挥了SVM适用于小样本问题、映射能力强、全局最优等特点,对非线性时间序列预报适用的其他领域同样具有启发意义.     

一次春季寒潮天气过程分析

2006年4月9～12日出现一次影响北疆大范围强降温的寒潮天气过程,同时在奎屯至乌鲁木齐的天山沿线出现了中到大量的降水,根据预报图、地面图、高空图和地面实况图的变化情况,准确的预报了这次天气过程,产生了良好的社会效益和经济效益。1降水及强降温天气实况受西西伯利亚南下强     

定性预测与定量预测的综合运用研究

定性预测和定量预测各有其优点和缺点。这里介绍了它们各自的特点，并介绍了3种综合运用定性预测和定量预测的方法，在此基础上通过具体事例解释了它们的应用，然后比较了3种综合方法的相对适用情形。     

情报信息预测中定性方法与定量方法的结合

通过阐述定性预测方法和定量预测方法的优点和缺陷，探讨了在情报信息预测中两种方法之间的内在联系和有机结合，指出只有两种方法相结合，才能使预测对象的各方面因素融合在预测结果之中，从而提高情报信息预测的精确度。     

无偏灰色预测模型在电力系统负荷预测中的应用

灰色预测模型已在负荷预测中得到了广泛的应用，该模型是一种有偏差的指数模型，在该模型基础上作者已导出了无偏灰色预测模型。将无偏灰色预测模型应用于负荷预测中，并与传统灰色预测模型进行了比较，结果显示了无偏灰色预测模型的优越性。     

面向MIS的预测支持系统的研究

通过对预测支持系统研究现状的分析,讨论了预测支持系统如何更好的适用于MIS,为其提供预测支持.并提出了更加适应MIS当今和未来发展的预测支持系统构建模式.     

水文预报不确定性的研究进展与展望

本文归纳了水文预报不确定性的来源与分类,综述了国内外对水文预报不确定性的研究进展以及相关文献、方法与模型,展望了水文预报不确定性研究的发展前景.水文预报的不确定性始终存在,并制约防洪调度决策的正确性,水文预报结果应该描述为概率的而不是确定的形式,概率水文预报实现了预报与决策的耦合.     

神经网络预测系统中的输入输出指标研究

建立了一个用一串ＢＰ网络组成的、用于地区主要经济指标预测的人工神经网络系统,给出了该模型在两个地区应用中得出的不同结果;在分析这两种预测结果的基础上讨论了预测模型中输入输出指标变化对预测结果的影响．说明在神经网络预测模型中,输入输出指标的选择起着不可忽视的作用．     

多模型专家组合预测系统大纲

用１９种模型与５种群组决策方法相融合，构成了多模型专家组合预测系统，该系统较好地解决了多模型多专家预测分歧意见的协调统一问题，并已用于土地利用系统中大量要素变化的预测。     

基于BP神经网络的税收预测模型

在分析影响税收主要因素的基础上，将反向传播（BP）神经网络理论应用于税收的预测．首先对初始数据进行预处理，使其适应BP神经网络学习的要求，然后建立基于BP神经网络的税收预测模型．采用实际数据对模型进行验证，并将其与传统的统计模型相比较，证明了基于BP神经网络的税收预测模型有较高的精度和较强的实用性．     

基于预测有效度的优性组合预测模型研究

针对基于预测有效度的组合预测模型提出了新的优性组合预测、预测方法优超和冗余度的概念 ;指出了简单平均组合预测方法至少是非劣性组合预测 ;并探讨了优性组合预测存在的充分条件 ;给出了冗余信息出现的两个判定定理     

最大误差绝对值达到最小的区间组合预测模型

针对实际值序列和预测值序列均为区间数的情形,给出最大中心误差和最大长度误差绝对值达到最小的多目标模型,转化为单目标线性规划问题进行求解．最后,通过具体算例对文中方法的可行性和有效性进行了验证．