BP自适应网络在数值预报产品的释用

提出了动态指标库的概念，即不同时次采取不同的指标库，同时次在网络自适应时采取不断更新指标库的阈值，采取先建立消空指标库对样本进行消空，提高了降水样本在整体样本中的概率，然后利用BP(Back Propagation)网络作了大连短期的12h和24h降水有、无的预报，设计了网络的自适应算法，并在降水有、无预报中加以应用。结果表明，此方法比没有做消空样本和网络自适应的降水TS评分有所提高，在数值产品解释应用中更具有实际意义。     

西北太平洋热带气旋气候特征及其变化研究的若干进展

为了对我国气象工作者全面了解和参与热带气旋的研究有所帮助,在大量阅读和调研的基础上,介绍了近20年西北太平洋热带气旋活动在季节、年际和年代际尺度上研究的若干主要成果.重点阐述了EN-SO与热带气旋的关系,温室效应热带气旋的数值模拟和观测研究等的最新动态.     

气候嵌套模式的进展及双向嵌套模式对降水的模拟

区域气候模式发展的回顾表明区域气候模式在近20年来取得了长足的进步,将它与全球大气环流模式进行嵌套是研究区域气候变化的有效方法。单向嵌套是目前区域气候研究的主要手段,对区域气候的模拟和预测有明显的改进,加深了人们对区域气候变化的认识;双向嵌套能够体现不同尺度大气运动之间的相互作用,是区域气候变化研究的发展方向,尽管实现的难度很大,但模拟的结果明显优于单向嵌套。利用一个双向嵌套模式进行数值试验,结果表明它能够成功模拟我国南方的降水。     

CO2浓度增加对西北太平洋热带风暴气候特征的影响

为了研究CO2浓度变化对西北太平洋热带风暴气候特征的影响,采用全球大气海洋耦合环流模式GFDL CM2.1 3个CO2排放情景下的数值试验资料,提出了适合模式的识别模式热带风暴的标准,并采用NCEP再分析资料和年鉴资料检验了标准的合理性,分析了模式热带风暴在CO2浓度增加后气候特征的变化.结果表明,所提标准是合理的,所识别的模式热带风暴在暖心平均结构等方面与NCEP热带风暴平均结构相似性高;CO2浓度增加后,模式热带风暴频数减少,强度增强,强热带风暴增多,主要源地和活动地区西移,季节分布和持续时间的分布形势没有明显变化.     

基于非参数回归模型的局部线性估计云量预报方法研究

为研究云量的分布特点,本文利用历史观测资料,对新义州、定海、隆子3站的总云量和低云量进行了正态性检验,结果显示：总云量和低云量均未达到正态指标,具有一定的随机性.因此,在2004-2007年逐年1月T106L19模式产品和单站地面观测资料的基础上,采用适合被解释对象呈非未知分布的非参数方法——局部线性估计方法,选择合适的窗宽和核函数,创建了上述3站总云量和低云量的短期预报模型,包括不同的长度样本序列.同时,为了比较预报效果,还采用适合被解释对象呈正态分布的参数方法——逐步回归法,建立了相应的预报模型,并利用2003年1月1～31日的逐日T106L19模式产品和3站的云量历史观测资料,对各种预报模型进行了试报和效果的检验,结果表明：在3站的总云量、低云量的月平均准确率和月平均平均绝对误差的检验指标中,非参数局部线性估计的预报精度均高于逐步回归方法 使用短样本序列建立的自适应非参数局部线性估计预报模型与采用长样本序列建立的预报模型相比,效果相当.这意味着,在数值预报产品解释应用的云量预报中,非参数局部线性估计方法可以更合理地考虑其时间分布特征,尤其在缺乏较长时间的历史建模样本时,具有良好的应用前景.     

长江中下游汛期降水GA-BP预测模型

为分析遗传算子选择方案对遗传算法优化神经网络(GA-BP)方法的影响,建立了长江中下游汛期降水短期气候预测GA-BP模型。以最大适应度函数值为指标,比较遗传算法在不同选择、交叉、变异和整体策略方案组合中的差别,在周期特征分析的基础上讨论了不同因子组合对GA-BP模型预测效果的影响。结果表明,用竞争选择法、自适应交叉、变异和精英策略法组合构成的遗传算子方案获得的最大适应度函数值为1.35,高于其他遗传算子选择方案获得的最大适应度。利用GA-BP模型对2003-2012年汛期的降水量进行预测试验,结果表明,同时考虑环流、海温等物理影响和预测量自身周期特征的因子选择方案,模型预测值与观测值的均方根误差为129.65mm、相关系数为0.772,优于其他因子筛选方案。     

BPSO优化朴素贝叶斯分类器的降水分级预报试验

为进一步研究朴素贝叶斯分类器在单站降水预报方面的应用效果,利用2008年至2011年6~9月份的T511数值预报产品和单站观测资料,采用2种不同适应度函数的二进制粒子群算法(简称BPSO)优化朴素贝叶斯分类器算法(BPSO-NB),对石家庄、太原、林西3站13~24h时段的晴雨和降水等级进行了预报试验。试报结果表明:BPSO-NB、BPSO-NB2模型3站平均晴雨预报准确率明显高于T511,均在85%以上,且BPSO-NB2(87.1%)最优;2种模型小雨、中雨TS评分也高于T511,BPSO-NB1(0.403、0.167)最优。BPSO-NB模型能有效降低T511空报次数。     

基于贝叶斯分类方法的雷暴预报

为了研究贝叶斯(Bayes)方法对单站雷暴预报的应用效能,利用2003年8月~2006年8月WRF模式数值预报产品和单站观测资料,采用朴素贝叶斯分类器(N-Bayes,naive Bayes classifier)和贝叶斯判别准则(D-Bayes,Bayes discriminatory criterion)两种方法,结合多种强对流天气指数场、Fisher准则和相关系数法的预报因子选取技术,分别建立了漳平、广州和湛江3个单站的雷暴预报模型;利用2007年8月资料,检验了模型预报效果,并与Fisher模型的预报效果进行了比较试验。结果表明:N-Bayes和D-Bayes两种模型有较强的雷暴预报能力,24~48 h雷暴预报CSI评分均超过0.23,准确率在72%以上,两者CSI评分接近,趋势相同;两种Bayes分类方法在预报效果上要优于Fisher判别方法。