宜昌市夏委降水分片概率预报方法

预报因子的取值范围分别与各片代表站的降水事件一一对应,再根据对应结果,将预报因子分成若干“节”,针对某“节”出现降水的次数,求出其频数。经过如此处理后,将每日预报因子（原始数据）换算成所对应的与预报量有关的概率值,再用事件概率回归估计（ＲＥＥＰ）法建立概率预报方程。试运行结果表明,所建立的方程能够很好地预测各片的降水概率。     

宜昌市夏季降水分片概率预报方法

预报因子的取值范围分别与各片代表站的降水事件一一对应,再根据对应结果,将预报因子分成若干"节",针对某"节"出现降水的次数,求出其频数.经过如此处理后,将每日预报因子(原始数据)换算成所对应的与预报量有关的概率值,再用事件概率回归估计(REEP)法建立概率预报方程.试运行结果表明,所建立的方程能够很好地预测各片的降水概率.     

基于BGM的对流尺度集合预报试验及其检验

基于增长模繁殖法,考虑对流尺度高度非线性特征和精细化预报要求,对一次强飑线天气过程进行了集合预报试验,引入概率匹配平均法对集合预报结果进行对比分析,并通过偏差和公平技巧评分对降水进行了预报效果检验。试验结果表明,BGM法应用到对流尺度集合预报中能够生成代表大气不确定性的快速增长扰动。集合预报结果相比控制预报更加准确,传统集合平均对较小降水强度的预报更加准确,概率匹配平均法对大量级降水的预报能力明显占优。降水评分检验表明,集合平均对小量级降水的预报技巧最高,概率匹配平均法对极端降水事件的预报技巧有明显优势。对流尺度集合预报能够提高降水预报技巧,并对高影响对流天气事件的预报有指导意义。     

基于BGM的对流尺度集合预报试验及其检验北大核心CSCD

基于增长模繁殖法,考虑对流尺度高度非线性特征和精细化预报要求,对一次强飑线天气过程进行了集合预报试验,引入概率匹配平均法对集合预报结果进行对比分析,并通过偏差和公平技巧评分对降水进行了预报效果检验。试验结果表明,BGM法应用到对流尺度集合预报中能够生成代表大气不确定性的快速增长扰动。集合预报结果相比控制预报更加准确,传统集合平均对较小降水强度的预报更加准确,概率匹配平均法对大量级降水的预报能力明显占优。降水评分检验表明,集合平均对小量级降水的预报技巧最高,概率匹配平均法对极端降水事件的预报技巧有明显优势。对流尺度集合预报能够提高降水预报技巧,并对高影响对流天气事件的预报有指导意义。     

基于交叉验证技术的KNN方法在降水预报中的试验

利用2003—2005年4—9月国家气象中心T213的数值预报产品,通过动力诊断,从大量数值预报因子中提取不同层次、不同时效与降水关系较好的多个因子,使用K最邻近域（KNN）方法,制作不同代表站点的晴雨预报和大于或等于10 mm的降水预报试验。在搜索K邻近域的过程中,考虑天气事件出现的概率不同,而分别求取有天气事件的正样本K+值和无天气事件的负样本K-值,使该方法选择的最邻近域中的K值取得更为合理。利用交叉验证的方法,对历史资料依次选取部分样本作为预报测试集,通过预测结果的检验评分,选取获得最大准确率和最大概括率的K+和K-作为最佳邻近域的组合。确定了最优K值后,反算历史样本,通过比较,得到某站出现降水天气事件的预报判别值,在一定程度上减少了预报的空报率。经过对2006年4—9月的预报试验,改进后的KNN方法使24,48 h的晴雨预报和大于或等于10 mm降水预报的TS评分大多数高于未改进前的,也高于T213模式本身的降水预报和MOS方法动力统计释用的降水预报,特别是克服了模式降水预报和MOS方法预报中空报率较高的现象,达到了较好的预报效果。     

短期集合预报中定量降水预报集合方法初探

针对短期集合预报中集合平均等方法对极端天气事件预报能力低下的缺陷，提出一种定量降水预报集合方法，简称两步法。该方法首先采用逐级归并法确定集合成员的总体相似度，进而确定集合成员预报场的延伸半径，对各成员的预报场进行修正，然后根据每个成员与其他成员的相似程度，确定各成员的权重系数。这个方法既考虑了集合成员总体的差异性又考虑了降水的概率分布。试验证明，通过上述两步得到的定量降水预报，对提高极端天气事件的预报确率有一定效果。本方法无需历史资料，能很好适应集合成员的改变，实现方便快捷。     

一种改进的考虑环流特征的MOS预报方法

利用一种可以考虑天气环流形势场特征的MOS预报因子处理方法进行预报因子的处理,以T106L19模式的预报产品为基础建立云南省32个基本站点的降水和气温预报方程,并与不考虑天气形势场的因子所建立的MOS方程的预报结果进行对比。结果表明,MOS预报的结果对预报因子的变化很敏感,在考虑天气形势后的MOS预报对云南各站点的降水和气温的预报效果均有显著的改进,说明MOS预报因子的处理方法和选取对改进MOS预报效果具有重要的意义。     

南京,上海地区对流及降水甚短期预报的统计方法研究

本文以我国国家气象局发布的B模式数值预报输出,上海气象局计算的物理量及南京单站气象观测资料作为基本的初选因子,用逐步判别法对5月至入梅前南京和上海的对流天气和降水预报建立了不同的预报方程,探讨了预报因子的不同组合,非线性因子的引入以及不同的判别方案对预报准确率的影响,并进行了业务预报试验。结果表明,考虑非线性因子影响并采用“两段筛选”的判别方法获得的预报方程其预报效果最佳。     

宁夏汛期分级降水客观预报方法应用检验

利用2010—2013年5—9月T639模式产品和同时段宁夏25个国家级气象站降水实况资料,应用概率回归和交叉验证方法,建立宁夏汛期5—9月小雨、中雨、大雨3个级别的168 h分级降水概率预报方程,对比检验客观产品T639-MOS、数值模式T639和上级指导产品NMC对2014年5—9月降水预报效果。检验结果表明:相较T639和NMC,T639-MOS空报率明显降低,漏报率略有增加,但预报准确率明显提高,预报技巧较T639和NMC平均提高10%左右;T639-MOS对大范围降水和强降水预报效果较好,且随着预报时效临近,数值模式预报性能调整,预报能力显著提高;客观方法选取的预报因子代表性和物理意义明确,水汽、动力和热力因子是宁夏降水预报的关键因子,其中,小雨预报关键因子是中低层水汽通量,中雨和大雨预报关键因子是湿位涡和经向风,大雨预报还考虑了关键动力因子的高低层配置;宁夏降水样本数相对较少,且主要以小雨为主,中雨以上降水是小概率天气,所以,降水强度越大,漏报率越高,预报准确率明显下降,但不同级别降水都是T639-MOS预报准确率最高。     

支持向量机方法在单站降水预报中的应用探讨

将武汉天空云量预报的81个预报因子运用到该站中等以上强度的降水预报中,基于SVM方法进行了交叉验证和预报试验。结果表明用81个预报因子建立的5～9月和全样本的降水预报模型有较好稳定性、且对降水都有正的预报技巧。因此天空云量的预报因子可以用来做降水的预报因子,同时也证明了这些预报因子在天空云量和降水预报中是协调的。SVM方法为天空云量和降水的预报提供了客观参考依据。     

用T 213产品作汛期短期降水定点预报

以T 213数值预报产品资料为基础,根据影响来宾市降水系统的天气动力学特征及日常预报经验,从产生降水的水汽条件、上升运动条件和不稳定条件三要素入手,选取或构造与降水密切相关且反映大气动力过程的众多物理量,如反映中低层水汽输送的R h850×W p850+R h700×W p700,反映中低层动力结构的V or700-D iv850,反映桂中地区是否存在850hPa风切变线的26oN与23oN东西风分量差值等数十个因子,采取以周围九点均值作为预报点资料,对预报时效场进行叠加处理,以及计算机自动和人工划分相结合方法进行预报因子和预报对象0、1化等方法进行技术处理,挑选3~5个最佳预报因子,以国外应用较多的天气事件概率回归法(R eep法)来建立来宾市逐站、逐月的客观降水自动化预报系统。系统完成后,于2004年4月投入业务试运行,在为期两月的预报试运行中,无论是晴雨预报还是大雨降水预报,系统客观预报水平均比预报员主观预报水平要高出7个点以上。因此,系统对预报员有较明显的指导意义,具有良好的预报前景。     

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.     

夏季分县降水量集成预报试验

将国家气象中心Ｔ１０６和ＨＬＡＦＳ、山西省气象台ＢＰ神经元和动力相似方法输出的降水预报值作为预报因子,运用灰色理论分别将以上４个预报因子原始数列和降水实况数列作一次累加生成处理,分别得到随机性被弱化的单增数列,用卡尔曼滤波法进行递推计算,得到降水预报值。将得到的降水预报值作还原处理,即累减生成后,最终输出降水量分县预报。此方法用于１９９８年夏季,取得了良好的预报效果。     

数值预报产品在1998年降水预报中的应用

从我们开始制作天气预报以来,降水就是预报员重点考虑的对象。降水事件虽经常发生,但由于降水天气受众多因素的制约,要作好降水预报仍有一定的难度。随着数值预报产品的逐步引进,我们的降水预报准确率无论在定性,还是定量方面,都有了明显提高。预报员现在已基本实现...     

交叉熵神经网络及其在闽北大雨以上降水预报中的应用

基于误差平方和最小化准则的BP神经网络(ANN-MSE)并不适合解决小概率天气事件的预报问题,引进一种改进的以交叉熵函数为目标函数的神经网络方法(ANN-CE),该法是一个三层反向传播神经网络,其输出层只用一个节点.利用2003-2008年的ECMWF预报场资料,把该法用于福建省南平市4-6月部分大雨或以上降水96h预报中,分别用原始因子和PCA降维后的主因子建立了ANN-CE预报模型和ANN-MSE预报模型,用这些模型对2009-2010年独立样本进行了试报.测试结果显示主因子预报模型TS评分比原始因子预报模型高且漏报次数少,其中,主因子ANN-CE预报模型的TS评分和漏报率分别是0.51和0.17,其性能是所有模型中最好且最为稳定的,是一种适合于小概率事件预报的方法.     

华北汛期降水分离时间尺度降尺度预测模型的改进

本文采用偏相关预报因子挑选法和条件降尺度法,对已有的华北汛期(7~8月)降水时间尺度分离(TSD)降尺度模型进行了改进.利用偏相关法,找到一个新的影响华北汛期降水年际分量的前期预报因子,即6月北大西洋—欧亚遥相关(AEAT).该因子将扰动信号储存于北大西洋三极子结构,并在7~8月释放出来影响下游贝加尔湖低压系统的发展,从而影响华北汛期降水.利用6月Ni?o3指数和AEAT指数,本文建立了条件TSD统计降尺度模型,即按照预报因子的强度进行逐年分类,对于每个分类设计相应的预报模型,从而避免信息较弱因子的干扰.条件TSD降尺度方法显著改善了华北汛期降水的预测技巧,在独立检验阶段,预报降水与观测降水的相关系数由原模型的0.61提高到0.77,符号一致率从70%提高到87%.     

一种夏季大范围降水趋势分布的预报方法

综合考虑了影响夏季降水异常的大气、海洋因子和降水变化规律，提出了一种大范围降水异常分布的统计预报方法。用１９９１－１９９４年的独立资料检验，取得了满意效果。     

动态相似多元判别方法在释用数值预报产品中的应用

考虑环流的动态演变特征在降水预报中的重要性基础上,设计了一种环流演变动态相似多元判别预报方法.用统计方法对历史降水个例的大气环流因子进行分析,在要素场上分别提取4个物理意义清晰、又具有立体性和动态演变性的要素因子,并求出降水天气过程的多元指标.采用要素变化趋势相似标准,以T213数值预报产品为预报初始资料进行计算处理,求出要素的变化趋势和大小,与历史降水的多元指标进行滚动映射和判别,自动预报出各县未来各时段天气,制作阿坝州分县晴雨逐日滚动预报,效果较好.     

集合动力因子暴雨预报方法研究

介绍了广义位温、湿热力平流参数、热力螺旋度、热力散度垂直通量、广义湿位涡、力管涡度、热力力管涡度、二级位涡、对流涡度矢量和波作用密度等宏观物理量的定义及其物理意义。个例分析表明,这些动力因子与降水系统发展演变密切相关,对地面观测降水有一定的指示作用。这主要是因为：（1）这些因子能够描述降水系统的动、热力垂直结构等共性特征;f2）这些因子大部分包含广义位温,而广义位温又与凝结潜热和相对湿度有关,因而这些因子也能描述降水系统的水汽场结构特点。以这些动力因子为基础建立了集合动力因子预报方法,该方法首先建立以GFS预报场资料为基础的单动力因子降水预报方程,然后根据其与观测降水的相关性,定义权重函数,对多个动力因子的降水预报进行权重平均,最后得到集合动力因子的降水预报。该预报方法可以充分发挥多个动力因子的优势,比较全面地反映暴雨过程的共性特征。长时间序列的统计检验表明,集合动力因子的降水预报评分略高于全球预报系统（GFS）模式自身的降水预报评分,表现在降水落区预报方面,集合动力因子的预报效果略优于GFS模式的自身预报,然而,在降水强度预报方面,集合动力因子和GFS模式都略有过度预报。集合动力因子预报方法计算量小,容易移植,可以提供降水预报产品,为预报员做暴雨预报提供支持。     

基于时空不确定性的对流尺度集合预报效果评估检验

针对对流尺度天气系统的高度非线性特征和高分辨率模式预报结果存在时、空不确定性现象,以及当前邻域概率法主要考虑高分辨率预报结果的空间位移误差,而不能有效解决预报结果存在时间超前与滞后问题,将时间因素引入到邻域概率法中,结合一次强飑线过程进行对流尺度集合预报试验,并基于改进后的新型邻域概率法与分数技巧评分,对降水预报进行了不同时、空尺度的效果评估检验。结果表明:（1）邻域集合概率法和概率匹配平均法在极端降水的分数技巧评分远高于传统集合平均,弥补了集合平均对极端降水预报能力偏低的缺陷。（2）对于此类飑线过程的对流尺度天气系统而言,邻域半径为15—45 km的空间尺度能够改善降水位移误差的空间不确定性,并使其预报效果达到最优,其中15—30 km的邻域半径对于尺度更小的大量级降水事件预报能力更强。（3）对流尺度降水预报考虑时间尺度与降水强度存在着对应关系,不同时间尺度可以捕获到不同量级降水的时间不确定性。同时,时间尺度与空间尺度对于降水预报效果的影响是相互关联的。（4）改进的邻域概率法能够同时体现高分辨率模式预报结果在对流尺度降水事件上存在的时、空不确定性,实现了对流尺度降水在时、空尺度上的综合评估,并能为不同量级降水提供与其时、空尺度相匹配的概率预报结果。