支持向量机（SVM）方法在气象预报中的个例试验

SVM（Support Vector Machine）方法的基本思想是：通过非线性映射把样本空间映射到一个高维乃至于无穷维的特征空间（Hilbert空间），在特征空间中寻求最优划分或回归线性超平面，从而解决样本空间中的高度非线性分类和回归等问题。利用1998～2000年9～11月T106—36小时预报的各种输出产品构造因子，以单站有无降水为预报对象，采用MOS法方式构造样本，通过训练建立了单站的晴雨SVM分类预报模型，利用1990～2000年4～9月ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场资料，确定关键区域，构造预报因子，以PP法方式构造样本，通过训练建立了四川盆地内单站气温的SVM回归预报模型，并进行了模拟试验，结果表明，无论是单站晴雨的SVM分类预报模型还是单站平均气温的SVM回归预报模型都显示出了艮好的预报能力。     

支持向量机(SVM)方法在气象预报中的个例试验

SVM(Support Vector Machine)方法的基本思想是:通过非线性映射把样本空间映射到一个高维乃至于无穷维的特征空间(Hilbert空间),在特征空间中寻求最优划分或回归线性超平面,从而解决样本空间中的高度非线性分类和回归等问题.利用1998～2000年9～11月T106-36小时预报的各种输出产品构造因子,以单站有无降水为预报对象,采用MOS法方式构造样本,通过训练建立了单站的晴雨SVM分类预报模型,利用1990～2000年4～9月ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场资料,确定关键区域,构造预报因子,以PP法方式构造样本,通过训练建立了四川盆地内单站气温的SVM回归预报模型,并进行了模拟试验,结果表明,无论是单站晴雨的SVM分类预报模型还是单站平均气温的SVM回归预报模型都显示出了良好的预报能力.     

基于支持向量机(SVM)方法的冬季温度预测

选取河南省5个代表站,分别代表河南省5个片,将气候预测中常用的74项环流特征量资料进行归一化处理,分别将其与5个代表站的冬季温度进行相关普查,在筛选预测因子的基础上,利用SVM两类分类和回归方法,建立河南各代表站冬季温度预测推理模型,用2000/2001~2004/2005年4年进行试报,结果显示SVM方法是处理非线性分类和回归等问题的有效方法,做分类和回归预测时,各代表站对应的SVM推理模型均具有良好的预报能力,且对温度预测SVM回归优于SVM分类。     

支持向量机回归方法在实时业务预报中的应用

简要介绍了支持向量机(Support Vector Machine，简称SVM)回归方法的基本原理，并介绍了基于SVM回归方法，利用1990～2000年1～12月ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场资料构造预报因子，建立德阳市5个代表站的日平均气温、日最高气温、日最低气温的SVM回归预报模型及其在业务化运用中的效果。     

四川盆地高温热浪时空特征及预报模型研究

利用四川1960~2009年逐日最高气温、欧洲中心ERA Interim1.5°*1.5°再分析资料和ECWMF2.5°*2.5°模式预报场资料,分析四川盆地高温热浪的时空分布特征,归纳出四川盆地高温热浪天气预报模型。结果表明:四川盆地高温热浪天气有三个异常区;区域性高温热浪过程期间100hPa南压高压明显东进,我国至俄罗斯南部地区显著增高;500hPa有青藏高压型、副高型和带状高压型三种环流型。四川盆地高温热浪天气的预报模型为:1)500hPa四川盆地上空为青藏高压或副高或带状高压控制,位势高度达584位势什米以上,其中青藏高压和西太副高需达588位势什米;2)四川盆地上空850hPa上未来三天都为大于24℃的闭合等温线控制。     

基于SVM方法的暴雪预报系统

雪灾是内蒙古地区的主要的气象灾害，对全区牧业和人民生活造成了严重危害和影响。在充分分析内蒙古地区气候特征的基础上，依据SVM回归方法，利用T213资料，建立了暴雪的SVM回归方法预报模型，建立了自动化的SVM暴雪预报业务系统，并对其进行了业务试验。给出了依据SVM方法建立的暴雪实时业务预报系统的检验结果。结果表明，SVM回归方法能运用于暴雪的预报，建立的自动化的SVM暴雪预报业务系统能在预报业务中发挥了一定的作用。     

支持向量机在短期气候预测中的应用

支持向量机（SVM，Support Vector Machines）是基于统计学习理论框架下的一种新的通用机器学习方法。可以解决样本空间中的高度非线性分类和回归等问题，是一种处理非线性分类和非线性回归的有效方法。气候变化诸多因子的复杂性和非线性决定了预报因子与预报对象问的非线性关系，SVM为解决短期气候预测提供了一种可行的有效途径。利用Nino区海温、南方涛动指数、副高面积指数、亚洲区极涡面积指数等15个预报因子，建立了阳泉夏季降水正、负距平的SVM非线性分类模型，同时也建立了阳泉夏季降水的SVM回归模型，并进行了相应的预报试验，结果显示，对应的SVM分类模型和回归模型均具有良好的预报能力。     

我国东部夏季降水量统计降尺度的可预测性研究

利用1951—2007年逐月的北半球500 hPa高度场资料,使用降尺度技术和偏最小二乘回归方法,对我国东部夏季6—8月降水量作可预测性研究。用全球大气与热带太平洋相耦合的数值模式(CGCM)输出的500 hPa高度场作为因子场,利用建立的预报模型作预报试验。试验结果表明,以北半球东亚40°E~180°地区的500 hPa高度场是较佳的降尺度因子场。预报模型的建立与使用的提取主分量个数和资料时期有关,提取主分量数在4~7、样本容量取32~43时有较好的预测效果。试验结果还表明,以CGCM模式输出的500 hPa高度场作为因子场进行预测,有一定的预测能力。     

贵州春季冰雹短期预报的高空温压场相似法

采用08：00(北京时，下同)500hPa温压场和700hPa温度场相似系数指标值，建立了贵州区域性春季冰雹短期预报模型。建模选用了427个冰雹日个例和484个无雹日个例，分月确定相似预报指标，故所建模型有较大的统计可靠性。预报模型在样本期内的预报准确率为66％，经1999和2001年试报，结果表明，该预报模型有较好的实用价值。     

基于SVM方法的暴雪预报系统

雪灾是内蒙古地区的主要的气象灾害,对全区牧业和人民生活造成了严重危害和影响.在充分分析内蒙古地区气候特征的基础上,依据SVM回归方法,利用T213资料,建立了暴雪的SVM回归方法预报模型,建立了自动化的SVM暴雪预报业务系统,并对其进行了业务试验.给出了依据SVM方法建立的暴雪实时业务预报系统的检验结果.结果表明,SVM回归方法能运用于暴雪的预报,建立的自动化的SVM暴雪预报业务系统能在预报业务中发挥了一定的作用.     

支持向量机方法在天气预报中的应用

简要介绍了支持向量机方法(SVM)方法的基本原理和使用方法。用高空500hPa月平均高度、海洋温度以及地面资料作为因子，对西安6—9月份降水总量建立了SVM预报模型。     

极端气温集成预报方法对比

用2003-2009年ECMWF和庆阳市极端气温资料建立最高最低气温SVM、Kalman、多元线性回归3种统计方法的预报模型,采用平均、加权、回归3种方法进行预报集成,对庆阳市2010年6-12月各预报方法及5个时次集成预报进行评估.结果表明:单一的SVM、多元回归和集成方法最低气温预报5个时次的准确率均高于最高气温0.8％～24.2％,集成后加权法准确率最高,但最高和最低气温选取权重不同,SVM权重大时最高气温效果好,多元回归权重大时最低气温效果好.随着预报时效的增加,单一的预报方法和集成预报,预报准确率降低.逐月评估表明,单一的SVM准确率较高且预报性能稳定,Kalman准确率较低,回归方法各月差异大,预报不稳定,集成后,3种集成方法的预报比单一的预报方法均有所改善和提高.绝对误差分析表明,加权集成后最高和最低气温误差都较小,优于平均集成法和回归集成法.     

SVM方法与长江上游降水落区预报

在分析长江上游各流域面雨量的气候特征及面雨量与暴雨站数关系的基础上,依据SVM回归方法,利用面雨量和ECMWF 0 h资料,建立了面雨量的SVM回归方法预报模型,并对其进行了模拟试验.结果表明,SVM回归方法能运用于面雨量预报,并给出了依据SVM方法建立的流域面雨量实时业务预报系统的检验结果.     

伊春单站最高、最低气温预报方法

1引言 伊春市位于小兴安岭腹地,受地形及林区小气候等多种因素影响,温度很难准确预报,尤其是最低气温。本文利用欧洲数值预报产品（Ecmwf）08：00、20：00 850hPa的温度场,通过数据分析、总结得出本地气温预报的经验公式,为今后气温预报工作提供一点参考。     

基于T213集合预报的延伸期产品释用方法及初步试验

基于T213集合预报系统2008年1月中国及附近区域500 hPa高度和850 hPa温度的1~15 d预报资料,构建延伸期产品释用方法,通过对逐日11~15 d预报资料做集合平均和后向衰减权重系数滑动平均,进而得到延伸期(11~15 d)候平均和候距平预报,并对预报效果进行检验,结果表明:对11~15 d预报场做集合平均和后向衰减权重系数滑动平均均能降低预报误差,改善整体预报效果。由此得到的500 hPa高度场和850 hPa温度场11~1 5 d候平均预报误差与逐日控制预报第5d的水平相当,候距平相关系数均接近0.6,整体而言效果较好,具备一定的应用价值。500 hPa高度场和850 hPa温度场11~15 d候距平预报在中国大陆地区位相准确率均较高,东南沿海和东北部分地区稍差,且850 hPa温度场的位相准确率整体高于500 hPa高度场。候距平预报对延伸期(11~15 d)的大范围持续性异常距平具有较强的捕捉能力,对异常距平出现的范围和分布、强距平中心的位置的预报均较好,但强度整体偏弱。     

BP-CCA方法用于四川盆地夏季日降水量的可预报性研究

基于BP-CCA方法,首先讨论了多个因子对四川盆地夏季降水降尺度模型的可预报性,然后选取最佳预报因子并进行集合,最终基于T639模式建立最优多因子降尺度预报模型.结果表明,分别以东亚夏季10m纬向风、700hPa纬向风和700hPa相对湿度为预报因子的降尺度模型对四川盆地夏季降水的预报技巧较高,而将三个因子集合的多因子降尺度预报模型具有更好的预报能力.进一步将该方法应用于T639模式预报的预报因子场,发现多因子降尺度模型对降水的预报效果要优于T639模式直接输出的结果.     

基于特定因子的河南省干热风客观预报方法

利用2000—2014年5月1日到6月10日河南省121个气象观测站点的逐日观测数据、欧洲中心模式预报资料,对河南省干热风天气进行分析,总结了干热风天气形势分类模型,同时利用多元回归法建立了河南省干热风天气的客观预报方法。分析结果得出:河南省干热风天气发生主要形势为西北气流型、高压脊型和纬向环流型3类;通过多元回归分析筛选出日最高温度预报因子为前一日最高气温、当日最低气温、08:00气温、EC850hPa 24h温度预报,相对湿度预报因子为EC850hPa 24h相对湿度预报、前一日14:00相对湿度、当日08:00露点温度,风速预报因子为EC细网格过去3h10m阵风预报,建立温度、湿度和风速3要素的预报方程;利用预报方程对2014年预报时段的天气进行检验,结果表明,对于轻干热风预报的TS评分为62%,重干热风预报的TS评分为64%。     

基于数值预报模式降水产品的集成应用方法试验

利用2008年5~7月四川省152个站点的逐日降水实况和T213、德国数值预报模式、日本数值预报模式、西南区域本地化的MM5集合降水预报模式和各成员的逐日降水预报产品进行Ts评分,然后基于西南区域集合预报8个成员Ts评分权重系数进行集成预报试验和集成方法对比试验,结果表明:基于Ts评分为权重系数的集成预报效果得到明显改进,且该方法优于逐步回归和支持向量(SVM)回归方法;最后根据上述5~7月T213、日本、德国和集合预报8个成员共11个数值模式降水预报的Ts评分按权重系数集成,预报四川2008年8~9月降水并进行效果评价,结果显示:以多个模式Ts评分为权重系数集成的降水预报效果相对于单一模式有明显提高,有较好的预报指导意义。      

ECMWF产品在东亚中纬度地区预报精度检验

利用求预报场与实况场绝对误差和相关系数，对ECMWF资料进行预报精度检验，结果表明：500hPa高度，850hPa温度和相对湿度，海平面气压等4个物理量场预报较好；850hPa相对湿度预报比700hPa的误差小；东西风预报比南北风预报好；绝对误差值随预报时效延长而增大，相关系数则随预报时效延长而减小。     

数值预报产品在中期预报中的应用

通过数值预报产品制作未来6d的500hPa高度平均预报场，距平预报场，副热带高压北界动态、西风环流指数以及850hPa变温预报场等复合预报因子，可为天气预报会商提供预报依据，同时介绍了资料处理方法并举例验证。