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12h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。     

运用人工神经网络作汛期降水预报

本文提出汛期降水预报的人工神经网络方法，并选择一组标样进行了具体分析，预报成功率达100％，结果表明，该方法性能良好，可望成为汛期降水预报的有效手段。     

运用自组织人工神经网络作汛期降水预报

本文提出了汛期降水预报的自组织人工神经网络方法，并选择一组标样进行了具体分析，预报成功率达100％。结果表明，该方法性能良好，可望成为汛期降水预报的有效手段。     

清丰县汛期≥365mm降水预报

清丰县汛期(6～8月)平均降水量365mm，若汛期降水量≥365mm，往往形成洪涝灾害。因此，探讨汛期大于平均降水量的预报方法，对防御洪涝灾害及服务工农业生产将起到重要作用。     

2004年汛期(5～9月)主客观降水预报检验

随着气象事业的发展,天气预报的质量越来越依赖于数值预报产品的性能。预报产品检验是评价预报质量和提高预报水平的有效手段。针对2004年汛期（5～9月）中央气象台预报员及T213、HLAFS25、MM5、GRAPES、日本及德国等国内外数值预报模式短期时效的降水预报做了详细的统计学检验。检验结果表明,对于汛期平均而言,各模式与预报员的小雨预报较好,随降水量级的增加TS评分迅速下降,国内外数值预报模式之间降水预报水平差别不大,预报员与模式相比水平略高;但对于过程预报而言,过程不同,各模式和预报员的表现不同,预报员和MM5对河南暴雨预报较好;GRAPES和日本模式对台风暴雨预报略好;T213对于四川东部暴雨的大量级降水预报较好;无论是预报员,还是数值预报模式,北京暴雨的预报是一个典型的失败个例。同时,我们也发现检验系统存在一些问题,有待今后逐步改进。     

长江中下游汛期降水数值预报业务模式误差场预报研究

根据中国国家气候中心(NCC)数值预报业务模式(ONPM)预报结果,利用气候因子对业务模式的误差场进行预报试验。文中所用114项逐月气候因子在历年汛期前期总会出现部分因子异常的状况,在此基础上对因子异常的相似阈值进行数值试验,提出利用交叉检验平均距平相关系数(ACC)的大小来确定相似阈值的方法。依此选择影响该区域的前期关键异常因子,根据该部分因子的相似程度选取相似年,同时对模式误差场利用经验正交函数压缩维度,用前3个主分量对模式误差制作预报,针对业务模式的预报误差场,提出了根据因子异常挑选相似和压缩维度的一个预报方法。2005—2009年独立样本回报结果表明,该方法可以将5a平均距平相关系数由系统误差订正的0.22提高到0.47,具有较好的业务应用价值。     

汛期降水预报的一种有效方法

汛期降水预报的一种有效方法张芝琴李宇清（晋城市气象局０４８０００）１引言汛期降水的多寡是各级领导和有关部门在汛期即将到来之时十分关注的问题，也是气象部门汛前做好决策服务的重要依据。而晋城的降水量年际变化很大，汛期就更为突出，最多年达８４２毫米，最少年...     

2010年汛期多模式对山东降水预报的检验

为提高数值预报模式在山东汛期降水的预报能力,为降水预报及模式物理参数方案选择和调整提供客观依据,对2010年汛期（6-9月）山东区域MM5、WRF-RUC（WRF快速循环同化系统）和T639模式24 h、48 h累积降水预报产品,进行晴雨、一般性降水和分量级降水TS评分及平均绝对误差、平均误差分析。结果表明：从晴雨预报准确率来看,3种模式相差不大;一般性降水和小雨预报,MM5模式评分结果最差,T639模式预报效果最好;中雨以上量级,24 h降水T639模式预报效果最好,特别是24 h大暴雨评分T639模式达到了10.37 %,而48 h降水T639模式预报效果下降明显。无论24 h降水还是48 h降水,除9月WRF-RUC模式平均绝对误差最小外,6-8月T639模式平均绝对误差均为最低,WRF-RUC模式24 h和48 h降水各月平均误差均为负偏差;不同的降水预报检验方案和天气过程类型对检验结果有一定的影响。     

中尺度数值预报模式REM在2002年湖南汛期的实时降水预报试验

本文对中尺度数值预报模式REM的特点和2002年湖南汛期的降水预报试验方案进行了介绍。为了检验其预报效果，分别对整个试验期间(6～8月)和集中降水期(6～7月)这两个时段作了预报结果检验，并与1998年同期作了比较，还与MM5进行了同一时段降水预报效果比较，结果表明该模式在暴雨落区及强度等方面预报效果良好，但还有待进一步完善。     

PREDICTION OF FLOOD SEASON PRECIPITATION IN SOUTHWEST CHINA BASED ON IMPROVED PSO-PLS

In order to achieve the best predictive effect of the Partial Least Squares (PLS) regression model, Particle Swarm Optimization (PSO) algorithm is applied to automatically filter the optimal subset of a set of candidate factors of PLS regression model in this study. An improved version of the Particle Swarm Optimization-Partial Least Squares (PSO-PLS) regression model is applied to the station data of precipitation in Southwest China during flood season. Using the PSO-PLS regression method, the prediction of flood season precipitation in Southwest China has been studied. By introducing the precipitation period series of the mean generating function (MGF) extension as an alternative factor, the MGF improved PSO-PLS regression model was also build up to improve the prediction results. Randomly selected 10%, 20%, 30% of the modeling samples were used as a test trial; random cross validation was conducted on the MGF improved PSO-PLS regression model. The results show that the accuracy of PSO-PLS regression model and the MGF improved PSO-PLS regression model are better than that of the traditional PLS regression model. The training results of the three prediction models with regard to the regional and single station precipitation are considerable, whereas the forecast results indicate that the PSO-PLS regression method and the MGF improved PSO-PLS regression method are much better than the traditional PLS regression method. The MGF improved PSO-PLS regression model has the best forecast performance on precipitation anomaly during the flood season in the southwest of China among three models. The average precipitation (PS score) of 36 stations is 74.7. With the increase of the number of modeling samples, the PS score remained stable. This shows that the PSO algorithm is objective and stable. The MGF improved PSO-PLS regression prediction model is also showed to have good prediction stability and ability.     

华北汛期降水异常与100hPa高度场异常的关系

利用华北17站1951～2000年的逐月降水资料,与前期的100 hPa高度场(1958～1997年)求相关,找到了100 hPa高度场影响华北地区汛期降水的关键影响区为25°～35°N,85°～105°E,对应的关键影响时段为前一年3～5月.然后用SVD方法证实了前一年春季正是与华北汛期降水相关最显著的时段;而所选关键区正是处于一种范围更大的100 hPa高度场空间分布型的关键部位,而华北地区是关键区影响中国东部降水的最显著的区域之一.     

华南前汛期降水预测模型及其预测试验

将中国华南区域分为东、西2个区,对每个区(8个站)的前汛期(4—6月)平均降水量作自然正交展开(EOF),选取各区累积方差贡献超过75%的前4个主分量作为预报分量。再利用偏最小二乘回归方法结合均生函数方法,提出一种同时考虑预报量自身显著变化周期和前期物理量因子对预报量未来变化影响的预报模型,分别建立东、西区前汛期平均降水量的偏最小二乘回归预报方程。试验结果表明,新的预报模型的预报效果比单纯采用前期物理量因子的逐步回归模型更好,并且其预报能力的提高具有合理的分析依据。      

环太湖地区汛期降水量与太湖水位的关系

本文利用环太湖地区站点的月降水资料,用曲面拟合方法作客观分 析,与太湖水位进行相关性研究。用环太湖地区的当月降水量建立下个月太湖水位 的预报方程。     

越南河内市冬作物生长季降水量ARIMA预测模型

考虑了气候系统中一些变量突变时可能对预测关系的改变作用，用ARIMA（Auto-Regressive Integrated Moving Average)动态模型的建摸方法，通过SAS软件的计算，建立河内冬作物生长季降水量预测模型。用1996－1998年的独立资料检验，预测结果与实况接近。     

EAA相关链与中国汛期降水

该文讨论了 EAA 相关链在南、北半球结构,分析了 EAA 相关链与中国汛期旱涝的关系.进而探讨了它们与前期环流以及北太平洋海温的关系.     

暖层云人工催化降雨落区的数值模拟

本文利用二维非定常数值模式，模拟了大气层状云降水发展，变化的微物理基本规律及播撒盐粉后增雨的落区，从而探讨了暖层云增雨的效果和催化方法，得出了一些有益的结论。     

中国西部积雪对我国汛期降水的影响

本文利用台站及卫星资料建立了中国西部积雪３０年逐月时间序列。该序列是目前资料时间最长、最好的序列，为研究该区积雪月际和年际变化及其影响提供了较可靠的依据。中国西部冬春积雪对我国汛期降水的影响平均为负相关趋势，与６月降水的相关分布较有规律，冬春多（少），其它地区６月降水偏多（少）。我国西部多（少）雪对６月从份５００ｈＰａ高度的变化是：高原北边高纬高度降低（升高）及副热地区升高（降低），有（不）利于高     

哈尔滨市汛期特征与年变化

利用哈尔滨市１９５１ ～１９９８ 年候降水量资料,用候降水量突变划分汛期,并对哈尔滨市汛期特征进行分析。哈尔滨市汛期可划分为：提前型、落后型;偏长型,偏短型;连续型、分段型。平均入汛期为６ 月２１ ～２６ 日,最早入汛期为５ 月２１ ～２５ 日,最晚入汛期为７ 月２１ ～２６ 日;平均出汛期为８ 月２６～３１ 日,最早出汛期为７ 月６ ～１０ 日,最晚出汛期为１０ 月１１ ～１５ 日。平均汛期长度为６０ｄ ,最长汛期为１００ｄ ,最短汛期为２０ｄ 。