最小二乘支持向量机在云量预报中的应用

基于2003-2006年逐年1、8月WRF区域数值预报产品和单站观测资料,采用最小二乘支持向量机回归方法,结合选取合适的参数和核函数,分别按月通过不同长度样本序列建立了台北和厦门站总云量和低云量短期释用预报模型,利用2007年1、8月样本资料对模型进行了预报和检验,并与神经网络方法进行了对比.结果表明:最小二乘支持向量机回归方法的预报效果要好于神经网络方法;两站不同长度样本的总云量和低云量预报模型,预报效果较好,其预报准确率不会因为训练样本的减少而降低.可见,最小二乘支持向量机回归在云量等气象要素释用预报方面,具有较好的应用前景.     

云量的时间精细化预报研究-以榆中为例

利用2001年7月至2011年7月甘肃省榆中县地面测站的每日8次云量资料和同期NCEP每日4次等压面资料,由NCEP资料构造预报因子,以总云量和低云量为预报对象,分析预报因子和预报对象的相关性,采用逐步回归方法建立榆中县逐月8个时次的云量预报方程并进行回代;并利用2012年的资料检验预报方程的预报效果。结果表明：云量主要受整层湿度、垂直运动、不稳定能量、槽强度指数和700 hPa水汽通量散度影响,其中湿度状况和垂直运动是重要因素。建立的预报方程对总云量的预报效果比低云量好;总云量平均预报误差在2成左右,低云量平均预报误差在3成左右;预报值变化趋势可以部分地反映实际云量的变化趋势。     

基于近似支持向量机的能见度释用预报研究

利用2008—2010年逐年12月、次年1月的T511L61数值预报产品和单站观测资料,采用近似支持向量机方法,分别建立了南京、杭州和衢州站分类和回归结合的能见度释用预报模型（简称分类和回归结合模型）。利用2011年12月、次年1月资料作为独立样本,对模型进行试报检验,并与不分类条件下的纯回归模型进行对比。结果表明:分类和回归结合模型的预报效果好于纯回归模型,在24、36、48、60和72 h试报中,分类和回归结合模型的南京、杭州和衢州三站平均的准确率依次为75.5%、83.7%、72.1%、75.4%和78.0%,在除48 h的其余4个预报时次中,分类和回归结合模型的三站平均的准确率均高于纯回归模型。分类和回归结合模型在单站能见度预报中有较好的应用前景。      

中国天山区域云量的变化及其与降水的关系

基于1961-2008年天山区域24站云量的逐日资料,使用相关和M原K检验等统计方法,分析中国天山区域云量的时空变化特征及其与降水的关系。结果表明：（1）春季、秋季和冬季,伊犁河谷以北总云量最多,夏季则在中天山和东天山的部分区域最多,低云量在夏季占总云量的比重最大;（2）区域平均总云量在春季和秋季呈减少趋势;低云量在各季节均呈增加趋势,尤其在冬季和夏季;（3）总云量的年代际变化不明显,而低云量自20世纪90年代至今,都处在高值期。（4）低云量在春季、夏季和秋季,均在20世纪90年代,而冬季在2000年左右发生了由少到多的气候突变;总云量未发生明显的气候突变。（5）总云量和低云量均和同期降水有较好的相关性。春季低云量和夏季降水,相关系数可达0.52。     

成都市冬季大气污染气象条件预报方法

用降水量、风速、风向、总、低云量的预报值，来预测成都地区冬季大气污染扩散状况。其中风速、风向按逐步聚类法进行分类，总、低云量是近按太阳辐射等级分类，然后结合环流特点以及当时的天气实况作出成都市委大气污染预报。     

动态时变参数方法在云量精细化预报中的应用研究

利用2008年1月—2013年12月以及2017年1—11月全球天气预报系统（GFS）预报场资料,采用自适应线性最小二乘回归（LS）和自适应递推卡尔曼（Kalman）滤波两种动态时变参数方法,建立了河套周边地区0~168 h预报时效的总云量精细化预报,并与GFS模式直接输出的总云量、线性预报模型逐步回归预报方法得到的总云量以及非线性预报模型BP神经网络和最小二乘支持向量机回归方法（LSSVM）得到的总云量进行了对比,结果如下:（1）相比GFS模式直接输出的总云量,LS、BP神经网络、LSSVM得到的总云量与实况值的平均绝对误差均明显减小。LS方法误差最小,LS方法的年MAE均在20%~25%,且随着预报时效的延长,改进效果越大。LS方法、多元逐步回归方法、BP神经网络、LSSVM四种方法在6—8月的改进效果最大。（2）LS方法预报的总云量与实况云量的相关性最好,即使168 h预报时效的相关系数依然在0.64以上,远高于其他几种模型的预报结果。（3）LS方法能够明显地提高少云和多云天空状况下预报的击中率,且最优（少云击中率平均提高24 %,多云击中率平均提高34 %）。（4）自适应递推Kalman滤波方法存在预报滞后现象,改进效果不明显。      

石家庄市紫外线与气象因子的相关分析及等级预报方程的建立

通过对2005年1月至2007年12月石家庄市3a来紫外线实况资料和地面常规观测资料的分析,发现紫外线强度与中午时段的能见度、相对湿度、总云量、低云量、气温、风速6个气象因子有密切关系,其中,它与总云量的关系最为密切,其次是相对湿度。紫外线与相对湿度、总云量、低云量为负相关;紫外线与风速、气温、能见度呈正相关,并且在不同的月份与气温的相关性有明显的变化。利用多元回归分析方法,得出紫外线等级预报方程,为紫外线的预报提供了指导意义。     

基于支持向量机模式识别的大雾预报方法

选取1971～2000年11～12月大雾发生前近地面层的气象要素(气温、降水、能见度、风向风速、相对湿度、云量等9个预报因子),将支持向量机(SVM)方法应用于大雾预报.采用支持向量机方法,应用径向基函数,建立了陕西公路站点大雾24 h预报模型,并进行了大雾预报的模拟、训练,其寻优标准TS评分达到了理想的效果.     

支持向量机分类方法在天空云量预报中的应用

以2001年5月1日至2004年12月31日逐日武汉市地面、高空观测资料及欧洲中心24小时预报场等资料为基础,构建了不同的训练样本集,基于支持向量机方法进行了大量多因子的随机交叉验证,从而筛选出了包含最佳预报因子的训练样本集和相应的核参数g,建立了武汉市天空云量的预报模型。交叉验证结果表明预报模型是稳定性的、且具有较好的预报能力和推广应用能力。预报试验和实时预报的结果都显示出SVM方法对天空云量有一定的预报能力。     

MOS方法在机场气象要素客观预报中的应用

利用WRF中尺度数值模式和模式输出统计（MOS）方法,研究建立乌鲁木齐机场逐时温度、相对湿度的回归预报模型,并尝试针对冬季低云、低能见度等天气建立分类预报模型,通过对统计模型的检验可以看到：逐时温度绝对差为1.09耀2.33益;逐时相对湿度绝对差为4.7%耀9.6%;11月至翌年2月低云量跃5分量分类预报准确率76.94%耀83.13%,TS评分54.27%耀66.50%;11月至2月能见度臆800m的分类预报准确率为89.83%耀92.04%,TS评分为29.09%耀46.05%。该方法预测效果较好,因此可以尝试使用本方法为日后航空气象业务提供机场客观预报指导产品。     

SVM方法在霾识别和能见度预报中的应用

选用2013—2014年地面自动站资料、探空气象资料以及大气污染物浓度的数据,采用支持向量机(Support Vector Machine,SVM)方法分别建立金华SVM霾识别预报模型和14时能见度SVM回归预报模型来进行实证研究。通过预报结果检验发现:1)金华地区SVM霾识别预报模型的TS评分均在0.65以上,且8个最优模型判断完全错误的天数只有3d,占2.7%,表明模型分类结果较好,可在实际业务预报中推广应用;2)金华地区14时能见度SVM回归预报模型得到的预报值集中在6~16km,预报值较为集中,而实况值波动较大,即模型对极值预报能力较弱,表明模型对中度霾和重度霾天气预报的指导意义不大。     

南宁市云量变化特征及其与气温、降水的关系分析

利用广西南宁站1951～2005年的云量、气温和降水资料,分析了云量变化特征及其与气温、降水的关系,结果表明：总云量和低云量长期变化分别呈减少和增加的趋势,且趋势显著。总云量和低云量季节变化都是在初春或冬春交接季节达到最高值,秋季降到最低值,平均云量白天多于晚上。总云量与平均气温、最高气温有很显著的反相关,与最低气温相关不显著;低云量与最高气温有很显著的反相关,与最低气温有显著的正相关,与平均气温相关不显著。总云量与降水有显著的反相关关系,而低云量与降水相关不显著。     

关中东部地区云量变化分析

利用关中东部地区高山站及临近两个地面站近50a气象资料、季风指数以及海温资料,对其云量变化的特征及原因初步分析,结果表明：（1）关中东部云量变化呈减少趋势,其中低云量华山（高山站）、华县、西安（平原站）夜间变化趋势分别为-1.74%/10a、-1.56%/10a、-4.23%/10a,白天分别为-0.73%/10a、-1.94%/10a、-4.62%/10a;（2）夜间总云量高山站比平原站变化明显（-1%/10a）,白天三站趋势基本一致（小于-0.6%/10a）;（3）高山站和平原站四季低云量均减少,总云量除平原站夏季增加外,其他季节均减少。云量变化原因主要是由于局地气溶胶冷却作用,导致地面接收太阳辐射减少,使局地对流减弱,造成低云量减少。     

南宁市云量变化特征及其与气温、降水的关系分析

利用广西南宁站1951~2005年的云量、气温和降水资料,分析了云量变化特征及其与气温、降水的关系,结果表明:总云量和低云量长期变化分别呈减少和增加的趋势,且趋势显著。总云量和低云量季节变化都是在初春或冬春交接季节达到最高值,秋季降到最低值,平均云量白天多于晚上。总云量与平均气温、最高气温有很显著的反相关,与最低气温相关不显著;低云量与最高气温有很显著的反相关,与最低气温有显著的正相关,与平均气温相关不显著。总云量与降水有显著的反相关关系,而低云量与降水相关不显著。     

支持向量机在雷暴预报中的应用

论文利用2002--2006年AREM模式产品和常规观测报文资料,综合运用改进的K平均聚类和主成分分析等方法,基于MOS原理逐月建立了最小二乘支持向量机和线性规划支持向量机的单站雷暴释用预报模型,并针对海口站2007年58月进行了具体的预报。结果表明：支持向量机结合AREM模式产品进行雷暴的释用预报是合适、有效的,而且主成分分析对预报结果的提高也起到了积极的作用。     

近40年宁夏云量和气温年际变化的相关分析

利用宁夏24个气象站的地面气温、总云量和低云量观测资料,分析了它们的年际及年代际演变趋势及相关关系。结果表明:近40年宁夏年平均气温波动升高,尤其是1990年以后;中部干旱带气温的年际变化较大,固原半干旱区气温变化幅度明显低于其它区域;1951年以来宁夏年平均总云量呈逐渐减少趋势,低云量下降趋势较总云量更为明显,2000年以后宁夏总云量有所增加。相关分析表明:宁夏年平均气温与年均总云量及低云量呈明显的负相关,均通过了0.01显著性水平检验,且低云量的相关更为显著;总云量和低云量与降水量呈显著正相关;同时,不同区域和不同季节总云量和低云量与气温、降水量的相关系数有明显差异。     

天空云量预报及支持向量机和神经网络方法比较研究

使用支持向量机和人工神经网络两种方法,分别建立了天空云量的预报模型。利用2001年5月1日～2004年12月31日的武汉市地面、高空观测值及欧洲中心的24小时预报场等资料,通过按不同比例随机抽取样本进行交叉验证的方法,分析了SVM和ANN模型的预报能力和鲁棒性;然后再用全部样本资料建立预报模型,来预报2005年1月1日～5月31日武汉市天空云量。交叉验证和实例预报的结果显示：虽然SVM和ANN模型都表现了较好的预报能力,但SVM的预报能力高于ANN方法,且在计算速度上有ANN无法比拟的优势。     

近50年陕西黄土高原云量和气温年际变化

利用陕西黄土高原24个气象站1957年以来的气温、总云量和低云量观测资料,分析了它们的年际及年代际演变趋势及相关关系。结果表明:近50年区域年平均气温波动升高,尤其是1987年以后;北部风沙区气温的年际变化较大,增温幅度由北向南递减;1957年以来区域年平均总云量呈逐渐减少趋势,低云量下降趋势较总云量更为明显,2000年以后总云量有所增加。相关分析表明:陕西黄土高原年平均气温与年均总云量及低云量呈明显的负相关,均通过了0.001显著性水平检验,且低云量的相关更为显著;总云量和低云量与降水量呈显著正相关;不同区域和不同季节总云量和低云量与气温的相关系数有明显差异,但与降水量的相关非常显著。     

太阳辐射预报滚动订正方法研究

利用2013年1月至2014年12月北京南郊观象台逐时观测总辐射以及BJ-RUC模式系统预报的该站未来24h逐时总辐射、云量、水汽混合比、云水、云冰含量等14个气象要素数据,运用多种线性订正方案对总辐射预报值进行订正,重点分析了不同方法、不同季节、不同样本数的订正效果差异。结果表明:1不同季节辐射订正的影响因素不尽相同,需采用不同的组合订正因子,其中总辐射、2m比湿、2m相对湿度、低云量、中云量、高云量、总云量、云水雨冰雪霰混合比、水汽混合比可作为推荐因子;2最优样本数选取时需考虑季节差异;3逐时滚动订正方案的订正效果较好,明显优于非滚动方案。订正后总辐射误差显著减小,而且79%的时刻有改进,明显减小了预报偏大的系统误差;4冬春季订正效果优于夏秋季,这与云的宏观和微观物理量预报效果的季节差异有关。本文研究结果可为太阳能资源评估、总辐射和光伏电站发电量预报提供有效的改进方法。     

西安市紫外线辐射强度与气象因素的关系

为提高紫外线辐射强度的预报水平，统计了1998-2001年西安市的太阳总辐射量与总云量、低云量等因素的相关关系，用太阳总辐射强度近似表示紫外线的辐射强度，得到紫外线辐射强度与气象因素的关系，探索制作紫外线辐射强度的预报方法。