KNN方法在11—3月中国近海测站日最大风速预报中的应用

应用自组织神经网络方法对欧洲中心（ECMWF）2003年1月1日至2006年12月31日逐日数值预报产品分析场进行天气形势分型,发现11-3月影响我国的天气形势基本属于同一类型。对2004-2007年11-3月ECMWF逐日数值预报产品进行动力诊断,提取与中国近海16个测站日最大风速相关较好的预报因子,将改进后的KNN方法作为预报手段,建立11-3月近海测站日最大风速预报模型,并对2007年1-3月16个测站进行逐日检验,结果表明该方法对近海测站日最大风速有较好的预报能力。     

KNN方法在11-3月中国近海测站最大风速预报中的应用

应用自组织神经网络方法对欧洲中心(ECMWF)2003年1月1日至2006年12月31日逐日数值预报产品分析场进行天气形势分型,发现11-3月影响我国的天气形势基本属于同一类型.对2004-2007年11-3月ECMWF逐日数值预报产品进行动力诊断,提取与中国近海16个测站日最大风速相关较好的预报因子,将改进后的KNN方法作为预报手段,建立11-3月近海测站日最大风速预报模型,并对2007年1-3月16个测站进行逐日检验,结果表明该方法对近海测站日最大风速有较好的预报能力.     

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。     

KNN方法在贵州晴雨预报中的试验

使用2003—2007年T213数值预报产品和贵州省08-08时日降水量资料,建立了贵州省9个站的KNN晴雨预报模型,并对2008年进行了预报试验。在搜索K邻近域的过程中,与传统的KNN方法相比,求取了不同类别的K值,即K+、K-,使该方法选择的最邻近域中的K值取得更为合理。通过对历史资料的反复交叉验证求取了最优的K+、K-值组合。最后对2008年贵州省9个站进行预报试验并评估。预报评估结果表明:KNN方法总体上降低了预报空报率,提高了晴雨预报的TS评分和预报准确率,特别是对24h和48h,KNN方法在对贵州降水预报的数值预报解释应用中有一定的效果。     

咸阳地区大风天气特征及智能网格大风预报订正

利用2014—2019年咸阳地区13个地面气象观测自动站风场数据、NCEP/NCAR 1°×1°再分析资料、西安探空资料及多普勒雷达产品、陕西智能网格逐小时格点化预报风场产品,对2014—2019年发生在咸阳地区的大风天气过程进行统计及分型处理,对比2017—2019年大风过程中陕西智能网格预报风场产品与实况风场差异,提炼出基于陕西智能网格预报风场产品的订正指标,利用2020年大风个例进行检验评估来验证订正指标的可靠性。结果表明：发生在咸阳地区的大风分为系统性大风和雷雨大风,其中系统性大风包括高压后部偏东大风和冷锋后部偏北大风,雷雨大风分为高空冷槽型、西风槽型、副高影响型、冷涡后部型以及低涡型;陕西智能网格预报可提前72 h准确预报出2类系统性大风天气过程,提前12 h预报的平均风速最大值与实况最大风速之间差值最小,可参考该预报时次的结果增加4 m/s进行订正,检验得到6级以上风速预报准确率提高约1831%左右;对于雷雨大风,最大小时增幅在2 m/s以上对雷雨大风的发生时段预报有一定的指示意义,结合25百分位的实况极大风速阈值、陕西智能网格预报极大风速阈值,与各个环境参量和雷达产品参数进行概率匹配,订正预报可在一定程度上提高此类大风极大风速预报准确率。     

甘肃冬半年重要天气预报系统简介

用ＥＣＭＦ作为基本资料,对北半球超长波进行分型后,做寒潮中期预报。并对伴随寒潮天气出现的灾害性天气采取逐步逼近的预报方式,制作了冬半年天气服务预报系统,实现了预报客观自动化。     

基于自组织神经网络算法的重庆秋冬季空气污染与天气分型的关系

为了了解重庆秋冬季节空气污染天气的环流特征,利用NCEP再分析资料对污染天气过程地面气压场应用自组织神经网络算法(SOM)进行天气分型,并经过主观对比分析,总结出3类典型天气型:均压型、低压型、高压底部型;其中均压型分为2小类:两冷锋间的均压场、弱高压区的均压场;高压底部型按冷高压中心位置分为3小类:北方高压型、西北高压型、东北高压型。比较分析发现高压底部型大气污染物浓度最高,空气污染最为严重。应用常规观测资料和L波段探空资料分析发现:各类污染天气型表现为地面静风频率高,近地层水平风速小;逆温出现概率高,大气层结稳定,大气边界层高度低等特点。从大尺度环流背景、动力、热力气象条件及后向轨迹模拟分析了3类典型污染天气过程形成原因,为重庆地区空气污染潜势预报及浓度预报提供参考依据。     

春播期亚欧环流形势的客观分型及其在物理-统计预报中的应用

本文对1972—1978年七年春播期(3月27日—5月10日)500mb亚欧环流形势,应用变K-均值聚类法进行客观分型,共得九型。对它们和春播期四种主要中期天气过程——连阴雨和低温连阴雨、过程性天气、连晴,用对应分析方法数量化。以环流形势与同期的北半球500mb波谱分析中选出的物理量作为因子,对天气过程类型作出了逐步回归和AID聚类的统计推断。 对1979、80年春播期作了预报检验,效果尚好。     

用动态分型和随机建模技术建立常规预报方法

1技术思路传统的预报分型往往是根据划分的关键区和天气形势,将历史样本划分成固定的类型,然后将起报日归进某一类别,为天气预报提供背景。由于传统天气分型的有限性、局限性、统计模型和预报因子的固定性,从而损失了大量的信息,是造成预报质量低的原因之一。鉴于一个稳定的统计模型,最终作出的预报结论应该总是围绕均值上下波动。因此,好的分型同时也应使起报日要素场近似地也是本型内样本的中心。我们采用起报日关键区资料作为聚类中心,然后分别与历史同期资料进行比较,用相似离度R作为图形识别函数,通过比较,筛选出最佳相似…     

冬半年西风带大型高值环流系统与降水趋势

1965年以来,我们用主导环流系统,结合单站要素特点,划分了夏季天气阶段。近几年,我们又探索用西风带大型高值环流系统划分冬半年的“天气阶段”,并应用在中长期预报中,收到了较好的效果。 一、冬半年西风带大型环流系统的分型 某个区域内,在一段较长的时间内(约15—30天)天气演变趋势保持相对稳定。这一时段我们称之为“天气阶段”。气象要素和天气演变呈现“天气阶段”的原     

太原雷暴大风潜势预报方法研究

利用太原市7个国家观测站实况、探空以及MICAPS等资料，对1998—2018年5—9月太原的雷暴大风进行天气学分型，选取雷暴大风的消空因子以及不同天气型下的预报因子并确定其阈值，利用指标叠套法，建立雷暴大风潜势预报方法，并进行预报检验。结果表明：(1)选取700 hPa温度露点差、850 hPa与500 hPa的温差、条件性稳定度指数和混合相层4个环境参数作为消空因子并确定了消空阈值。（2）将雷暴大风分为高空槽型、冷涡型、切变线型、西北气流型和副高边缘型5类，选取了5类天气型下雷暴大风的预报因子，利用指标叠套法，建立了太原雷暴大风潜势预报方法。(3)运用雷暴大风潜势预报方法开展历史样本回报检验和2019-2020年试预报检验，取得了较好的预报效果。     

中期天气客观相似预报方法

本文提出了一个10天中期天气客观相似预报方法。该方法应用预报时刻的最新信息及中期数值预报输出产品,按客观的相似判据,应用微电脑从历史资料中寻找出500hPa天气形势演变的相似过程,据此作出10天中期天气预报。业务应用表明,该方法对10天中期天气过程具有一定的预报能力。     

Identification of typical synoptic patterns causing heavy rainfall in the rainy season in Japan by a Self-Organizing Map

In order to systematically and visually understand well-known but qualitative and complex relationships between synoptic fields and heavy rainfall events in Kyushu Islands, southwestern Japan, during the BAIU season, these synoptic fields were classified using the Self-Organizing Map (SOM), which can convert complex non-linear features into simple two-dimensional relationships. It was assumed that the synoptic field patterns could be simply expressed by the spatial distribution of (1) wind components at the 850 hPa level and (2) precipitable water (PW) defined by the water vapor amount contained in a vertical column of the atmosphere. By the SOM algorithm and the clustering techniques of the U-matrix and the K-means, the synoptic fields could be divided into eight kinds of patterns (clusters). One of the clusters has the notable spatial features represented by a large PW content accompanied by strong wind components known as low-level jet (LLJ). The features of this cluster indicate a typical synoptic field pattern that frequently causes heavy rainfall in Kyushu during the rainy season.In addition, an independent data set was used for validating the performance of the trained SOM. The results indicated that the SOM could successfully extract heavy rainfall events related to typical synoptic field patterns of the BAIU season. Interestingly, one specific SOM unit was closely related to the occurrence of disastrous heavy rainfall events observed during both training and validation periods. From these results, the trained SOM showed good performance for identifying synoptic fields causing heavy rainfall also in the validation period. We conclude that the SOM technique may be an effective tool for classifying complicated non-linear synoptic fields and identifying heavy rainfall events to some degree.     

一种经验建模的客观分型方法及其应用

介绍一种应用常规历史天气图资料进行天气学客观分的思路和方法,首先建立某种天气 若干环不充模型,然后确定各模型的判别条件和顺序,由计算机进行自动分型,和到各环流型样本,实现客观分型。此方法于威海市冬季分区降水预报系统 天气分型,卫水模型物理意义明确,识别近前和,系统自动化。指出了天气分型在数值预报产品释用中的重要性及应注意的问题。     

用非参数估计技术预报风的研究

该文介绍了使用非参数估计技术制作风的预报试验。为了有一个较完整的历史样本集,试验中使用了1981—2003年共23年的逐日资料。在采用的K近邻非参数估计技术中,由于风的特殊性,其不是标量而是矢量,试验中根据天气学原理,设计和试用了一种根据过程相似性从历史样本集中搜索出近邻子集和新的从近邻子集中挑选最佳样本的方法。试验结果显示,所试用的预报方法不仅使得风的预报Ts评分有一定的提高,同时使得3 d降水量的预报Ts评分也有一定的提高,这表明该方法具有一定的实际参考使用价值。     

广州前汛期暴雨各层天气系统特征分析

本文对广州前汛期暴雨的地面、850hPa、500hPa、200hPa系统特征进行了分析，给出了各层系统配置图，为日常预报业务提供分析依据。     

基于TIGGE数据的我国寒潮自动识别预报方法

利用1951—2006年中央气象台寒潮天气过程数据以及NCEP/NCAR 500 hPa高度场等逐日再分析资料,通过客观聚类方法与主观对比分析确定寒潮爆发的典型形势场,结合寒潮过程特征量阈值,建立了基于TIGGE集合预报产品的寒潮自动识别客观预报方法,并利用TIGGE集合预报数据对2008年1月和2009年1月两次寒潮天气过程进行预报试验。结果表明:利用500 hPa高度距平场进行聚类分析,一方面可以消除环流季节特征对划分结果的影响,另一方面也突出了寒潮这种强天气的异常扰动表现;基于集合预报产品的寒潮自动识别预报方法浓缩了集合预报产品信息,可直接为预报员提供寒潮发生的概率预报,从而在集合预报产品与我国实际灾害性天气之间建立了直接联系。     

热带气旋过程(动态)相似路径选取

热带气旋路径相似预报在目前的业务预报中仍占有很重要的地位，本系统采用各种历史资料及实时资料，结合主要天气系统和５００ｈＰａ数值预报形势场，选取热气旋路径０小时、２４小时、４８小时的相似个例，即它不但可以用实况场选取热带气旋的相似过程，而且可以根据数值预报形势场（包括预报热带低压位置）来动态的选取相似过程。     

统计预报海温场驱动的CAM3.1模式预报试验

基于动力气候模式进行月一季尺度预报的“两步法”思想,提出一种新的预报海温场统计模型,并以该统计模型预报的海温场驱动NCAR CAM3.1模式对1981-2000年月时间尺度的东亚500 hPa高度距平场进行客观回报试验;在此基础上,提出了对预报结果的订正方法。结果表明:统计预报海温模型的预报海温场能够反映出全球海温空间分布的基本特征,并对表征ENSO事件的Ni?o3.4区海温变化的预报能力较强。该统计模型预报的海温场驱动的CAM3.1模式可以较好地预报出东亚500 hPa环流的主要分布特征,试验表明:适当的统计订正方法可以在一定程度上提高CAM3.1模式对东亚夏季500 hPa环流背景的预报技巧。