贵州省暴雨BP神经元网络预报方法

引入人工智能方法，应用BP神经元网络技术，结合数值预报产品、动力诊断产品和当地预报经验指标，构造了贵州省期暴雨落区预报的人工神经元网络模型，实现了全省各大－暴雨落区的逐日概率预报，为业务预报提供了客观预报指导产品。     

淇、卫河流域暴雨预报

利用1961－2000年6－9月淇，卫河流域降水资料，采用单元综合评判法确定流域暴雨日，并对暴雨日进行分型，确定暴雨预报天气学指标，建立暴雨预报方法。     

华东北部台风暴雨增幅前期条件的诊断及概念模式

通过对１０次增幅类、７次非增幅类台风暴雨过程的普查和对比分析，找出两类暴雨的特点和差异，对暴雨增幅前期条件进行物理诊断，并将诊断条件与流场特征、卫星云图分析相结合，得出台风暴雨增幅的概念模式，供日常预报应用。     

HLAFS产品暴雨动力过程相似预报方法研究

阐述了“HLAFS产品暴雨动力过程相似预报方法”制作的过程、应用及其对暴雨的预报性能，指出：本方法对暴雨预报的检验效果比较满意，能够达到人工预报暴雨的水平，对暴雨的漏报率很小，具有较好的推广前景。     

暴雨的分型相似预报方法

选择1995－1997年4－9月安顺市暴雨个例29个，应用模糊聚类分析方法对产生暴雨的天气形势进行客观的分型。在此基础上，进行相似分析预报，经历史资料验证，该方法是合理可行的，对暴雨预报有很好的预警作用。     

暴雨落区及强度的多维相似预报方法

选取１９７０－１９９５年暴雨个例，采用Ｆ判别方法对产生暴雨的天气形势进行分型，选取发生暴雨的落区及强度预报指标，研制了暴雨的多维相似预报方法。在实际预报中取得了明显的效果。     

桂林地区暴雨预报业务系统

桂林地区暴雨预报业务系统总结了1980年以来本地区前汛期暴雨预报会战成果、个人预报经验、工具方法、模式指标。用计算机编程，以T63产品的格点预报数值作为系统的入口资料。人工输入天气型，通过计算机的处理、挑报、套指标、代方程，客观、定量、半自动地作出暴雨预报。     

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。     

1994年6—8月中央气象台暴雨预报检验

１９９４年６—８月中央气象台暴雨预报检验林明智，毕宝贵，乔林（国家气象中心北京，１０００８１）１前它近年来，我国气象工作者对暴雨预报方法和暴雨预报评估技术研究取得一些进展［１－３］，在暴雨预报评估方面提出了划分三个评估等级（暴雨过程预报、落区预报和落...     

华北地区登陆北上热带气旋的暴雨增幅研究

根据１９５６￣１９９１年的《台风年鉴》资料，研究登陆北上的热带气旋造成华北地区暴雨增幅的天气气候规律，提出确定暴雨增幅的标准，为建立预报判据提供了依据。     

密云水库流域性暴雨的短期预报方法研究

为了探索密云水库流域性暴雨的预报，着眼于影响暴雨的天气系统，从数值预报的解释应用入手，试验制作了密云水库流域性暴雨预报方法。通过整理1970-1993年24年间水库流域内20个水文站雨量资料，分析45个暴雨天气样本与历史天气形势和数值预报产品的关系，筛选出预报指标和预报因子，使用数值预报产品的解释应用方法，根据天气环流形势的分型，分别组建了6、7、8月每个月份的未来24小时暴雨天气预报方程。预报检验表明该预报方法是可信的，同时也表明客观划分环流型、筛选预报因子、恰当确定暴雨标准等是预报方法的关键。     

近10年中国台风暴雨研究进展

登陆台风造成的灾害往往由暴雨引起,因此在台风研究领域中,台风暴雨一直是最受重视的研究课题之一.近10年来,随着我国一系列台风外场科学试验加密观测数据的获得、天气监测网的逐步完善、大气模式的改进以及电子计算机的飞速发展,台风与中纬度系统的相互作用、台风与地形下垫面相互作用、台风中小尺度及其动力学等方面均得到深入研究.概述了近10年该领域取得的研究进展,并对目前存在的问题进行讨论.     

大降雨型滑坡临界雨量及潜势预报模型研究

通过对湖北省1975～2002年发生的194次滑坡个例进行分析发现：滑坡时间主要发生在5-8月,占全年总次数的80％左右,与多年月平均雨量分布比较一致;滑坡区域主要位于湖北西部山地,高频中心在三峡库区;滑坡与前期降雨尤其是大降雨关系非常密切,大降雨型滑坡占滑坡总次数的63．1％。利用实效雨量计算方法,确定了大降雨型滑坡临界雨量,以此为依据建立了潜势预报模型。     

人工神经网络方法在降水量级中期预报中的应用

将人工神经网络方法与统计方法相结合，采用分步预报的方法，首先用经验统计方法进行晴雨预测，再用BP人工经网络建立降水量级预报模型，探讨神经网络方法在中期降水预报的应用，试验表明，神经网络方法能提高中到大雨降水量级的中期预报能力，但对暴雨的预报不理想。     

长江流域近40年强降水的变化趋势

利用长江流域109个气象站1960-2001年的逐日降水资料，采用泰森多边形方法计算整个长江流域的面雨量，研究了长江流域面雨量的变化趋势。结果表明：长江流域年面雨量呈增加趋势，但不显著。从长江流域各站暴雨日数和暴雨量趋势变化的空间分布来看，长江流域年、夏季6～8月的暴雨日数和暴雨量表现为较大范围的增加趋势，但通过显著性检验的站并不多，显著增加的中心在江西省。     

金沙江下游多种面雨量集成预报方法的对比分析

集成方法有利于提高降水要素预报的准确性和可预报性。本文基于格点实况资料和智能网格预报、西南区域数值预报、ECMWF模式预报、GRAPES模式预报产品,以面雨量为研究对象,采用多元回归法、BP神经网络法、评分权重法、加权集成预报法和算术平均法,得到集成面雨量预报,再运用平均绝对误差、模糊评分、正确率、TS评分、偏差分析等方法,对2020年4—10月金沙江下游面雨量预报效果进行对比分析。结果表明：多元回归集成法和BP神经网络法的预报效果总体上优于其他几种集成方法。在考虑流域面雨量的预报量级时,下游可以采用预报量级较小的模式和集成方法。集成后偏差百分比均有降低,且多元回归法和BP神经网络法对预报量级较小的模式有矫正作用。在面雨量有无、小雨和中雨预报中,多元回归法集成效果较好,在大雨量级预报中,BP神经网络法集成效果较好。这些结论可为流域面雨量预报提供参考借鉴。     

江淮梅雨季节强降雨过程特征分析

为了便于识别梅雨季节江淮地区的强降雨过程,促进汛期强降雨过程的预报方法研究,使用中国国家级地面气象站逐日观测资料,提出了一种划分江淮梅雨季节强降雨过程的客观方法,并对江淮梅雨季节内强降雨过程的特征进行了分析。结果表明:该方法能有效划分出江淮梅雨季节的强降雨过程,划分结果与预报业务中的划分结果具有较高的一致性,便于在业务中应用。在江淮梅雨季节内,梅雨期的强降雨过程存在明显的年际变化且与梅雨强、弱密切相关,强梅雨年具有较多的强降雨过程以及过程累积强降雨日,强梅雨年的强降雨过程具有持续性、反复性和频发性的特征。弱梅雨年则相反。近56年来梅雨期强降雨过程累积雨量在整个江淮地区有线性增加的趋势,且江苏南部至浙江北部地区雨量增大的趋势最为显著。梅雨期强降雨过程累积雨量及雨日的空间分布是一致的,最大区域中心均位于安徽西南部、江西东北部及湖北东部等地。按照此客观划分方法确定的梅雨期的强降雨过程累积雨量与梅雨期总雨量具有较为相似的时空变化特征。      

“海棠”台风(2005)雨强差异成因分析

通过对暴雨(A1)、大暴雨(A2)及特大暴雨(A3)区中潜热(大尺度潜热加热和对流潜热加热)、改进的湿Q矢量(Q*)以及地形因子(地形抬升和地表摩擦)作用的计算及对比分析,定量探讨了"海棠"台风(2005)雨强差异成因。结果表明,潜热加热在整个台风登陆过程中,基本都有助于A2与A1之间雨强差异形成,且在台风登陆后约1/3时段内对A1、A2及A3之间雨强差异形成有明显贡献。对于Q*矢量强迫作用,台风登陆前,仅有助于A2与A1之间雨强差异形成,在台风登陆后,则对A1、A2及A3之间雨强差异形成贡献明显。地形因子作用在台风登陆前,仅有助于A3与A1、A2之间雨强形成差异,但在台风登陆后,则有利于A1、A2及A3之间雨强差异形成。     

一种基于可预报性的暴雨预报评分新方法Ⅱ:暴雨检验评分模型及评估试验

针对当前暴雨预报检验采用二分类事件检验方法存在较严重的“空报”“漏报”双重惩罚,没有考虑暴雨时空分布不均和预报评分可比性不够等问题,在分析预报员对暴雨预报评分期望值基础上,设计了一种基于可预报性的暴雨预报检验评分新方法和计算模型,分析了理想评分,并对2015-2016年4-10月中国中央气象台5 km×5 km定量降水格点预报和降水落区等级暴雨预报进行评分试验,获得了以下结果和结论:（1）预报员对暴雨预报评分期望值呈现梯级下降特征,与传统的TS评分存在显著差异;（2）设计了一种基于可预报性的暴雨预报检验新方法,通过引入e指数函数构建暴雨预报评分基函数,进而构建暴雨评分模型,该模型可以较好地拟合预报员对暴雨预报评分的期望值,同时改善了评分在不同量级阈值处的断崖式突变情况;（3）提出了预报与观测的邻域匹配方法,即一个预报点与所定义邻域中的一组观测相匹配,并利用距离加权最大值法确定暴雨评分值权重系数,预报与观测距离越近,距离权重系数越大,评分值权重越大,提高了评分的合理性,避免了距离较远的匹配站点得高分不利于鼓励预报员提高预报精度的问题;（4）对中国中央气象台逐日5 km×5 km水平分辨率的定量降水格点预报产品和中央气象台定量降水落区等级预报产品进行了评分试验,暴雨预报准确率全国平均值大于60分。基于可预报性的暴雨预报检验新评分与传统暴雨预报TS评分逐日演变特征相似,但可以较好地解析TS为0的预报评分,解析后的新评分与预报员和公众的心理预期更为接近。      

初值不确定性对暴雨数值预报影响的初步研究

为了研究初值不确定性对我国南方暴雨数值预报的影响,依据历史降水资料的统计分型,选取华南暴雨型、江淮暴雨型和黄淮暴雨型等三类型中具有代表性的暴雨过程,采用AREM模式以不同资料分析场(常规观测资料、NCEP和ERA40同化分析资料)作为初值进行暴雨预报对比试验。试验结果表明,对于各类型暴雨,不同资料初值的差异都会引起暴雨数值预报结果的较大差异;在此基础上,采用经验正交函数(EOF)分析方法,分析了各类暴雨初值误差及其变化信息,从中提取出主要的误差分量,并对这类误差的数值预报影响进行了敏感性试验和预报验证,结果显示,寻找和消除主要的初值误差,对改进暴雨数值预报结果具有重要作用。