阿克苏地区夏季24小时大降水预报专家系统知识库

本文介绍了阿克苏地区夏季24小时大降水预报专家系统知识库的建立思路、建立步骤;简单介绍了知识库中因子和规则;并介绍了阿克苏地区夏季大降水专家系统在1991年夏季的试用情况.     

甘肃河东四片7、8月中雨以上降水预报专家系统知识库结构

7、8月份是甘肃河东各地中雨以上大降水的集中出现期,为提高分片落区短期预报质量,本文针对河东的陇东、中部、陇南、甘南四片分别建立7、8月中雨以上预报专家系统知识库,综合分析,逻辑推理,在 IBM—PC 或兼容机上实现运行,得出预报结论。知识库是专家系统必不可少的一个组成     

甘肃河东中雨以上降水预报专家系统的程序设计

专家系统程序是一个以专家知识为基础,按照一定模式模拟专家思维方式来解决具体问题的计算机程序系统。本专家系统的知识库由河东各地中雨以上降水预报的经验、知识规则构成。采用不精确正向推理模式进行推理,得出预报结论。并具有解释程序以达到对推理过程透明性的要求。此外设计了知识库编辑程序和一组统计运算程序,     

GRAPES-TCM对登陆热带气旋降水的预报及其性能评估

基于GRAPES-TCM对2006年登陆热带气旋的降水预报结果,对该系统的24 h和6 h降水预报能力进行评估,并与基于卫星降水反演的外推预报(TRaP,Tropical Rainfall Potential)和相似台风降水预报技术(Analog Prediction Technique for Ty-phoon Precipitation,TAPT)进行对比.各方法对登陆热带气旋降水的综合预报能力通过分析预报和观测降水散点图、预报平均绝对误差(MAE)及均方根误差得到,降水分布型态的预报能力通过计算预报和观测降水的相关系数估计.此外,还分析了BS、POD、FAR、ETS评分等常用降水预报评估指标.结果显示,GRAPES-TCM的24 h降水预报绝对误差和均方根误差比TRaP和TAPT都大.但是,GRAPES-TCM的24 h降水预报与观测降水的相关系数远比TRaP和TAPT高.对其他指标的分析表明,GRAPES-TCM的漏报率远低于TRaP和TAPT,但3种方法的空报率在同一水平;对任一强度的降水,GRAPES-TCM的ETS评分总是最高,TRaP和TAPT对于大暴雨以上的强降水则几乎没有预报能力.对24小时内每6 h的降水预报,3种方法相对性能与24 h总降水相似.通过对各强度降水造成的降水量在总降水量中的百分比的对比分析,发现GRAPES-TCM预报强降水占总降水量的比重与观测十分接近.总体上说,GRAPES-TCM能较好地预报出登陆热带气旋降水的分布型态,对强降水的预报能力强于外推和相似预报方法,但是预报的降水量绝对误差偏大,尤其对暴雨级别以上降水,其BS值明显偏大.     

甘肃5、6、9月中雨以上降水分片预报专家系统知识库

中雨以上降水过程分片预报专家系统5、6、9月知识库主要有三部分内容组成:一、天气分型;二、分片消空;三、分片中雨以上降水过程预报。分别简介如下。一、天气分型从预报经验入手,经过普查历史天气图,确定利用500百帕风场及△T_(24)、△H_(24)等简单的因子及其组合,将1980-1986年5、6、9月共637天进行逐日分型,对照河     

潍坊降水预报专家系统

本系统的程序由省气象台提供,运用于暴雨和一般降水预报。一、知识库的建立本专家系统对高空的环境场采取环流分型予以描述,地面环境场采取编码的方法进行描述,现叙述如下。     

荆州地区夏季暴雨预报专家系统知识库

天气预报专家系统是通过编制计算机程序来模拟预报工作者分析、制作天气预报的逻辑思维过程而建立的人工智能系统.知识库是预报专家系统的核心.本文选择服务要求迫切、预报难度极大的暴雨,建立预报专家系统知识库,以期达到暴雨预报客观、准确、快速的目的.在近两年边建库、边试用的预报服务中取得了较好效果.一、建立知识库的几个原则知识库中知识数量的多少和质量的优劣以及表达是否适当,是专家系统预报效果好坏的关键.本文掌握了以下几个原则.(一)考虑形成暴雨的各种条件,运用多方面的预报信息,根据总体综合性原则,建立因子库和预报规则.过去的预报指标大多是从天气图上总结的,一般只能反映形成暴雨的形势背景和影响系统,部分条件可以粗略地反映水汽输送情况.本文又补充了两方面内容.一是分析使用多年,效果较好的能量经向剖面图,以了解暴雨发生前的环境物理条件,大气的温湿特征及     

基于集合预报产品的降尺度降水预报试验

利用降水距平百分率的降尺度预报方法和1951-2008 NCEP资料及我国降水资料,建立了降水距平百分率的预报模型,基于T106L19模式的月动力延伸集合预报结果,进行了2007-2009年3 a的预报试验和效果检验.结果表明,基于集合预报产品的统计降尺度方法对降水距平百分率的预报技巧高于模式降水的预报技巧;500 hPa月平均高度场的预报技巧直接影响到降水距平百分率的预报技巧,平均环流的预报技巧越高,降水距平百分率的预报技巧越高;无论集合成员数为多少,集合预报的结果都明显优于控制预报,随着集合成员数的增多,预报技巧呈增大的趋势;我国降水具有显著的季节性和区域性,以江淮地区的降水距平百分率预报技巧最高,华南地区的预报技巧其次.     

降水预报-观测概率匹配动态订正法在江西降水集中期的应用与检验

为提高数值预报降水预报的准确率,本文利用欧洲中期天气预报中心的高分辨率数值预报（ECMWF）降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配,选取Gamma累积概率分布函数用于拟合预报与观测的降水累积概率,通过在2017年江西省一次降水集中期的应用试验,得到以下结论：基于ECMWF的降水预报-观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中,并根据近期模式预报调整及误差不断自动更新各量级降水修正值,可实时动态订正模式降水预报;检验发现ECMWF模式降水产品对于24 h内12 h间隔的10 mm及以下量级的预报普遍偏大,25 mm及以上量级的预报普遍偏小,在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况、预报效果较好.本降水预报订正法能提高小雨和暴雨的TS评分、降低暴雨的漏报率且提升其命中率,但对大雨及部分中雨的订正效果不佳,在实践中应权衡利弊使用.     

广东前汛期降水的MOS预报

根据前汛期降水的分布规律,将广东省划分为三个预报区域;然后将各区4～6月实测降水量资料与日本数值预报产品进行统计分析,经过计算机处理,建立MOS预报方程.MOS预报逐日作出各区无降水、一般性降水、暴雨的预报,前汛期降水首次实现客观、定量预报.     

SVM方法在降水预报中的应用及改进

以T213数值模式输出产品为基础,结合常规观测的降水资料,利用SVM方法,进行了大量多因子的随机交叉验证,从而选出最优参数,建立了全国72个站点的降水预报模型,并用独立的样本对预报模型进行了检验.再通过计算正、负样本的贴近度来分析预报因子,实现了预报因子的筛选和降水预报模型的改进;检验结果表明:改进后的降水模型的预报结果优于改进前的.实时业务试运行的结果也显示SVM模型的降水预报效果好于T213模式直接输出的降水预报.     

全球海气耦合模式（BCC_CM1.0）对江淮梅雨降水预报的检验

以国家气候中心全球大气-海洋耦合模式(BCC-CM1.0)20年的预报产品为基础,重点分析了该模式对中国江淮梅雨的预报能力以及梅雨预报中存在误差的可能原因.试验表明:BCC-CM1.0对江淮梅雨降水有一定的预报能力,模式基本上能够预报出气候态下梅雨降水的空间分布特征.尽管其方差贡献率和时间系数与观测相比有偏差,但模式还是能够预报出梅雨降水的主要模态.气候平均下,BCC-CM1.0模式预报的梅雨雨带位置偏北,因而预报的江淮流域长江以北降水偏多,而长江以南预报的降水偏少.同时发现模式对江淮流域梅雨期中等强度降水预报较好,雨强概率分布与观测结果基本一致,而对大雨强降水和小雨强降水预报相对较差.合成分析发现,江淮流域雨带偏北、降水偏少时,模式的预报能力较好;而江淮流域雨带偏南、降水偏多时,模式预报能力相对较差.BCC-CM1.0对高度场的预报普遍偏低,尤其是在青藏高原上空有一个虚假的低值中心,对副热带高压的预报也偏弱,这样使得东亚季风区气压梯度增加,从而导致预报的东亚夏季风偏强、向北推进的幅度加大,最终致使预报的梅雨雨带偏北.此外,比湿场预报的偏差也可能是造成梅雨雨带偏北的原因之一.     

相似-动力方法在动力延伸预报产品释用方法中的应用研究

在分析过去基于统计-动力月降水距平百分率预报方程基础上,建立了以500 hPa月平均高度场为核心的相似-动力月降水预报方程.以安徽省1998-2004年各月的降水为预报对象,发现该方法对安徽省月降水预报具有一定的预报能力.文中指出该方法对安徽省每年3月、11月月降水预报效果较好,6月、10月月降水预报效果较差;由于引起1999年气候异常的原因有其独特性,导致无法选择到足够合适的历史资料来反演方程的系数,这可能是1999年月降水预报结果相对较差的主要原因.     

GRAPES和日本模式广东定量降水预报对比

采用客观降水检验方法,对广东2012年1月1日至8月31日GRAPE中尺度模式和日本GSM全球谱模式(JMA)降水预报产品进行累加降水量级检验、分区域按季节预报效果对比以及时空分布演变评估.结果表明:随着降水量级和预报时效增加,两个模式TS评分呈现下降趋势,GRAPES模式TS评分总体高于JMA;对于小雨、中雨以上降水预报,两个模式4-6月预报效果好于7-8月,对4-6月广东北部预报稍好于南部,对7-8月广东南部预报略好于北部;两个模式不能预报出广东平均降水中心,GRAPES对广东日均降水预报值随预报时效增加而增加;两个模式能够对广东逐日降水演变做出准确的预报,但降水预报值与实况存在一定的差别.     

观测降水概率不确定性对集合预报概率Brier技巧评分结果的分析

利用淮河地区652个站点日降水量和参加全球交互式大集合预报计划的中国T213集合预报系统24 h累积降水预报,建立了新的集合预报评分中观测资料的处理方法.该方法基于模式检验的观测资料处理中考虑不确定性的思想,构建了观测概率法和观测百分位法的观测资料处理方法.本文方法和通常数值预报检验观测资料处理方法的模式检验对比分析表明:采用了观测概率法和观测百分位法处理降水观测后,五个降水阈值预报Brier评分检验表明,新的观测资料处理方法使预报的Brier评分分值下降,即预报性能得到提高,尤其在中低降水阈值区域较为明显.Brier技巧评分可靠性和分辨性的分析表明,模式五个降水阈值预报都有预报技巧.新的观测资料处理方法普遍提高了五个降水阈值预报的分辨性,但是降低了可靠性.本研究结果对在今后集合预报评分方法中考虑观测资料不确定性的影响,尤其是对集合预报降水的评估起到非常积极的作用.     

利用日本传真图制作降水概率预报

利用日本传真图的雨区、湿区预报,采用简单的面积贡献法和事件概率回归方法,通过一些技术处理和人机交互分析,制作出效果较为理想的降水概率预报方程,并对降水概率预报的实际结果进行了评估.最后提出利用降水概率预报决策的两种不同方法.     

2003年汛期3种中尺度数值预报模式降水预报检验

利用2003年汛期降水实况及河南省气象台引进的3种中尺度数值预报模式(REM、MM5、MAPS)的降水预报资料,对模式预报性能作了检验对比分析.结果发现REM模式对于大雨以上降水的预报效果较好;MAPS模式的12 h预报有明显优势;MM5模式对小雨和中雨的预报效果较好,并且预报结果具有稳定性.     

基于贝叶斯理论的集合降水概率预报方法研究

将贝叶斯理论应用到集合降水概率预报方法研究中.采用集合预报资料和历史观测资料,通过建立贝叶斯产品处理技术(Bayesian Processor of output,BPO)降水概率预报模型,将一组集合成员降水确定预报值修订为一组贝叶斯降水概率分布或概率密度的预报,并获得表征每个集合成员预报能力有效信息评分(Informativeness Score,IS).基于IS值对集合成员概率预报信息融合,得到集成贝叶斯降水概率预报,并采用连续等级概率评分(Continuous Ranked Probablity Score,CRPS)方法检验试验结果.结果表明,基于BPO方法得到的集成贝叶斯降水概率预报可靠性高于由集合预报得到的直接概率预报.     

基于雷达外推临近预报和中尺度数值预报融合技术的短时定量降水预报试验

为克服目前中尺度数值模式在对流尺度定量降水短时预报方面的不足,弥补基于“外推”的临近预报技术在2h以上定量降水预报能力方面的缺陷,研究设计了一种基于“外推”临近预报技术和中尺度数值模式的定量降水预报(QPF)融合技术方案,并进行了试验应用.该方案首先基于雷达探测和自动气象站观测的定量降水估计(QPE)结果,对中尺度数值模式输出的定量降水预报在谱空间进行相位校正,分析计算出数值预报和观测的偏差,导出一个附加的数值预报校正场;其次,根据数值预报校正场满足一定时间变化分布的特征,调整相应时段的数值预报降水区域和强度;最后,利用双曲正切线权重函数,对校正后的数值模式定量降水预报和基于临近预报技术的定量降水预报进行融合,融合权重根据典型环流特征动态变化.融合后的定量降水预报在前1-2h表现出主要依赖“外推”临近预报结果,之后随着融合权重的变化,数值预报对融合结果的贡献逐渐加大,直至融合后5-6h占主导地位.通过对京津冀地区2011年夏季5个及2012年夏季2个典型强降水个例的80次预报试验及其检验,表明融合后的0-6h定量降水预报结果改进较为明显,总体优于单独的临近预报技术或者中尺度数值预报模式的结果.     

1415号台风"海鸥"广西极端暴雨预报偏差分析及地形订正

利用地面自动站降水资料、ERA5再分析资料、广西壮族自治区气象台降水落区和ECMWF模式预报数据对1415号台风"海鸥"在广西暴雨预报偏差进行了分析,并开展了地形降水订正研究.结果 表明,对"海鸥"强降水落区预报准确,但大暴雨以上量级降水明显偏弱,大暴雨和特大暴雨漏报严重.降水经地形订正后,大暴雨以上降水TS(BS)评分由0.19(0.27)大幅度提升到0.35(0.53)且暴雨及以下量级降水评分无明显改变,但地形降水订正方法对特大暴雨仍无明显订正技巧;偏南风、东北风及偏东风在广西复杂地形下均会产生地形降水,实际业务预报中应加以考虑,有助于提升对强降水开始时间的预报效果.