印江县大—暴雨长,短期结合预报方法（摘要）

印江县地处梵净山西侧,每年平均有2～3次大—暴雨过程。在制作其长期预报时,应用韵律关系的概念,着眼于预报月最大两次降水过程出现日期。通过因子筛选,优先使用秋末、春初连晴骤雨日期、连晴无雨中间日期、单独雷阵雨日期（前后至少保证1天无雨,雨量足够大）三个因子;若某月连阴雨日期长,不满足上述条件,则选用最长连续降水中间日期（月最大降水出现在此时段）、准5个月最大与次大降水中间日期（与其它时次降水量比至少差5mm以上）作为预报因子。     

北上气旋强雷雨数据化预报模式

应用1989～1994年资料,以76个样本为分析研究对象。利用统计学方法。从可能影响雷雨的11个因子中找出效果较好的5个因子,建立数据化预报模式,实现人机对话。     

广西原料蔗产量大气环流因子预报模式研究

本文分析了我区代表性的１５家糖厂及７个地区、３个市的原料蔗产量与大气环流因子的关系，并同时分析的大气环充因子与甘蔗产量关键期主要气象因子之间的关系，建立了有关糖厂、地的甘蔗产量大气环流因子预报模式，为进行原料蔗产量预报增加了一种新的方法。     

融安县倒春寒的长期预报

选取４个与历年倒春寒相关关系较好且因子间相关系数较小的前期因子,用有效指数法建立融安县倒春寒预报方程,预报效果十分理想。     

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。     

宝鸡市T213数值预报释用系统接口及界面设计

在各月预报模型库基础上，从MICAPS数据资料接口提取实时预报因子，代入当月预报模型计算。MICAPS数据资料接口共有19种数据文件格式，不同的预报因子为不同的数据文件格式。按文件格式将预报因子分类，又因基本站与气候站资料上传有区别，根据资料情况和数据类型，共建立22个应用程序模块，用来提取实况因子值。     

预报因子选取及方程建立人机交互平台

利用计算机技术,将预报因子选取、方程建立和样本拟合融为一体,建立了预报因子选取及方程建立人机交互平台。该平台包括文件信息,因子初选和回归分析三个模块:(1)文件信息模块主要是读取预报对象文件和预报因子文件,显示并检查文件头信息样本长度的一致性;(2)因子初选模块主要是计算各气象要素或物理量场中每个格点因子与预报量之间的相关系数,构成各相关场,分析这些相关场及其关键区域,从中筛选出组合因子;(3)回归分析模块是对选入的组合因子与预报对象进行逐步回归计算,建立预报方程,并根据回归方程参数和样本拟合率,通过改变因子引入和剔除标准来调整回归结果。     

影响长江中下游夏季降水的前期潜在预报因子评估

利用1951～2006年美国NOAA海温资料、NCEP/NCAR再分析资料和青藏高原雪深等资料,根据前期海—陆—气因子对夏季长江流域降水的影响,本文搜集并整理了影响长江中下游夏季降水的40个预报因子,并讨论了前期因子与夏季降水在不同阶段的相关稳定性.通过相关和历史回报方法,讨论了前期关键因子与东亚夏季大气环流之间的关系...     

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。     

人工神经网络在温度和降水预报中的应用

利用人工神经网络的ＢＰ网络制作全省温度和降水预报。在作哈尔滨站温度预报时,选取实时高空、地面和欧洲温度场共１０个因子,一天２次发布未来２４ｈ预报。对哈尔滨站共作了１２个月的最高、最低温度预报。在作全省降水预报时,将全省分成８片,分别进行降水等级预报和暴雨有无预报;选用的是Ｔ１０６资料,选取２０个因子,对１９９８、１９９９年的温度和降水预报进行了检验和评分。     

概率变换法在南平地区暴雨预报中的应用

本文在大－暴雨ｍｏｓ预报中应用概率变换法进行对比分析,结果表明：概率变换法能提高预报因子与预报对象之间的线相关性,扩大了预报因子的选取范围,改善了方程中的因子组成结构,使方程的历史拟合率和预报准确率有明显的提高。     

城固主汛期大—暴雨短期预报模式

利用MIACAPS平台及本站资料，选取了7个预报因子，建立大－暴雨预报模式，该模式充分利用县局现代化通讯设备，得出了易于操作的大－暴雨预报方法。     

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。     

三门峡市短时暴雨预报方法

通过对三门峡市1997-2001年6-8月雷达资料及地面、高空气象资料统计分析，挑选出4个与短时暴雨相关性较好的预报因子，利用概率回归方法，建立了短时暴雨预报方程。     

插值预报的一种新方法及其在降水预报中的应用

本文针对经典插值预报方法存在的不足,遵循插值预报的基本原理,提出了插值预报的一种新方法,此方法的实质是考虑了预报系统中不同预报因子对系统的最后演变结果的不同作用,将此方法应用于云南１８个测站五月雨量的预报中,结果表明,此方法无论在历史预报方面还是在外推预报方面均具有良好的稳定性和预报精度。     

卡尔曼滤波方法预报因子的选择

利用ECMWF格点资料，设计了5种不同的预报因子选择方案，运用卡尔曼滤波方法制作1999年11月－2000年2月逐日14时温度预报，通过考察准确率，均方差，平均绝对误差，确定了最优因子选择方案。     

融安县倒春寒的长期预报

选取４ 个与历年倒春寒相关关系较好且因子间相关系数较小的前期因子, 用有效指数法建立融安县倒春寒预报方程, 预报效果十分理想     

柳州区域综合法降水客观预报工具

近年来,随着数值预报产品预报质量的逐年提高,利用数值预报产品建立客观预报工具的条件已经成熟。作为一种尝试,作者采用经验回归模型与天气系统订正相结合的综合预报方法,建立了一个客观预报工具。利用2001年12月至2003年2月共14个月T213的3h降水量48h预报、T213的850hPa 48h水汽通量预报、T213的850hPa 48h水汽通量散度预报、日本48h降水预报格点资料、日本700hPa的48h垂直速度预报格点资料、北京24h降水预报资料、等共六个因子作为预选因子。在属于格点数据的因子中均挑选出各预报站点附近的六个格点,通过距离权重插值法将各站附近的点插值到站点,形成新的时间序列。北京24h降水预报资料是MICAPS第14类数据,经过解码后可直接得到站点资料。利用所得到的新的数据序列与对应各站的历史降水资料作逐步回归分析,各站一致通过F=3.0置信检验的因子均为T213的48h水汽通量预报、日本48h降水预报格点资料、北京24h降水预报共三个因子,利用这三个因子建立柳州区域各站24h降水预报共12个方程。利用上述模型对历史资料进行回报,效果较好。对2003年3月下旬至4月的试报发现,该模型对于晴雨定性预报效果较好,但对降水定量预报上有较大误差,特别是对于较大的降水过程预报降水量偏小。为了改变这种情况,作者考虑到利用天气系统来订正的方法,即利用500hPa和850hPa08时中央台天气分析图上的低涡、槽线、切变线和台风位置等天气系统及其位置来订正方程的预报。订正后,经3个月的预报发现,效果明显改观。为便于评分,将预报结果按业务规定以无雨、小雨、中雨、大雨、暴雨五个量级输出。至此,整个工具建模基本完成。本工具经过八个多月的运行,证明预报效果较好。最好的预报成绩是TS分56分,平均成绩为TS 44分,基本达到人工预报的水平。     

长期分片趋势预报

为解决长期预报分片困难而研制的全省长期分片趋势预报，是用３种不同的方式对分布于全省的３８个站的降水量场，１５个站的温度场与５００ｈＰａ高度距平场，北太平洋海温场进行相关分析，选取相关关系较好的区域作为预报因子，是先进的统计预报方法建立回归方程，并制做长期分片趋势预报。     

用多级逐步判别法作春播低温阴雨结束期长期预报

本文从所选取的四个因子中进行多级逐步判别后，引入两个因子，建立预报方程。此方程具有定性和定量预报意义，经过四年使用，效果较好．