基于偏最小二乘法的前汛期月降水量预测方法

采用偏最小二乘回归建立了前汛期(4-6月)月降水量的预测模型,其中模型的输入因子是通过对3个前期月平均物理量场(海温场、500 hPa温度场和200 hPa高度场)大量的场相关因子采用系统降维的处理方法获得.为实现同时对多个站点的月降水量预测,将多站点的月降水量预测转换成多站点气候场的主分量预测,进一步利用气候场特征向量的近似不变性进行回算,从而得到多站点的逐站月降水量预测结果.对广西37个基本站的前汛期月降水量进行了6年独立样本检验,其预报结果显示该模型具有较好的预报能力.     

应用北半球大气环流系统预测中国降水量和气温

在普查影响中国降水量和气温的大气环流系统及其指数的基础上,选取高相关、独立性强的大气环流系统指数作为预测因子,采用过滤式的筛选因子方法,动态建立线性回归方法,构建区域月气候预测模型(Regional Monthly Climate Forecast Model,RMCFM),自主开发操作系统,设置人机交互界面,实现人机交流操作方式,并通过解释应用方法做出中国160个台站的月降水量和月气温预测。实践证明,RMCFM具备天气气候专家系统概念,具有运算速度快,结构清晰易操作等特点,预测准确率较高,应用RMCFM可提高区域气候预测能力。     

降尺度法在海南省降水趋势预测中的应用

从动力和统计相结合的角度,利用国家气候中心研制的动力气候模式输出的月、季平均500hPa高度场及其派生变量场作为预测因子,制作海南省月、季降水量趋势预测。月降水量经22个独立样本试验、季降水量经17个独立样本试验,趋势预报评分均超过国家局业务考核标准和同期业务发布评分,表明建立的预测模型可在海南省短期气候预测业务中参考使用。     

人工神经网络在月降水量预测业务中的研究和应用综述

月降水量的年际变化具有显著的非线性变化特征,预测难度大,历来是重大气象灾害预测的重点难点问题。BP(back propagation)神经网络在月降水量预测业务中的研究和应用中,取得了较好的成果,其中应用较广泛的是PCA-BP神经网络模型、遗传算法优化神经网络、RBF神经网络预测模型、小波神经网络模型、粒子群-神经网络模型等,这些方法也在广西月降水量预测业务中得到很好的应用,对提高月降水量预测能力有较大帮助。因此,有必要对目前神经网络在月降水量预测中的优势和不足进行综述,提出未来研究需要关注的重点关键问题。     

北京降水缺测资料恢复的研究

利用１９４１－１９８０年北京降水量资料进行了缺测降水量资料恢复的研究，并单月序列使用非线性函数作降水量正态化的变换，然后用预测残差最小逐步回归及对多月序列使用各月降水量变换序列，各月降水量变换序列与各月气温混合序列为因子作缺测资料恢复和用各月缺测资料前后实测资料作简单内插恢复等三种方案进行试验结果表明，以降水和气温作混合因子使用残差最小逐步回归模型有最好的可性。还使用该方案对１８４１－１９５０年缺     

用典型相关分析预测福建前汛期降水

应用EOF—CCA方法对福建省前汛期(5～6月)降水量场进行试预测，预测因子选取关键区海温场及13项物理量场，降水量场为35个地面气象站降水资料。采用3种方案进行试预测，分别以关键区海温场为因子，13项物理量场为因子，或两者相结合。通过5年的独立样本预测检验表明，3种方案对福建省前汛期降水量场进行短期气候预测均有一定的预报技巧，预报时效最佳的时期是前一年的11、12月分，以关键区海温为因子的预测效果最好，12月份关键区海温结合13项物理量场为因子预测稳定性最好，可用于日常预测业务中。     

投影寻踪回归方法在长江三角洲地区降水量预报中的应用

本文首先利用北半球大气环流、SST场以及环流特征量指数等资料，普查了与长江三角洲地区降水量关系密切的预测因子，并根据投影寻踪回归方法（PPR）建立了该地区降水量预报模型。试验结果表明，该统计方法具有稳健性，对降水量的预测效果较好。     

用北太平洋海温场资料制作月降水量预报

使用东营市1963-1996年逐月降水量资料和1962-1996年北太平洋海温资料，采取滚动式相关分析方法，建立了备选因子集。另外，应用逐步回归、最优子集回归、人工神经元网络、多因子EOF迭代等四种统计方法，分析了东营市月降水量与北太平洋海温场的关系。结果表明：东营市月降水量与北太平洋海温场存在显著相关；采用四种统计方法制作东营市月降水量预报，其预报效果均较好。     

铜川市月气候预测方法

通过统计铜川单站53a历史气候,用Spss11.5对铜川站历史各项气象要素与各月平均气温、降水量进行相关性分析,找出前期各气象要素与预报月的降水、气温相关性好的因子,用逐步回归方法进行模拟,得出铜川站的月平均降水、气温预报模型,用可视化语言Visual Basic 6.0程序设计中的Adodc数据库技术方法,分别建立了铜川站的月降水、平均气温预测因子数据库,63个相关性较好的因子进入模型,实现自动预测,并以Datagrib表格显示预测结果和预测因子组合。从近三年预测结果看,降水距平百分率在20%以内的准确率为30.6%;气温预报误差在1℃以内的准确率为50.0%。需要在实际业务中进一步检验,找出预报和实况的误差关系。     

西藏降水量、气温变化特征及相关关系

本文利用40a逐日降水与气温资料，分析了西藏地区降水量、气温的年变化和年代际变化特征，讨论了气温与降水量的相关关系。结果表明：近几十年来，西藏年平均气温、降水量有明显上升的趋势；气温是影响西藏地区降水量的重要因子之一。绝大多数月份的月平均降水量与前期气温有很好的相关关系，可作为月平均降水量预报的参考依据。     

基于集合预报的四川夏季强降水订正试验

四川历来多暴雨洪涝,然而其发生具有很多不确定的因素,预报难度很大。从观测与模式预报的累积概率密度函数角度出发,利用2007—2012年6—8月中国降水观测格点资料和2012—2013年6—8月ECMWF模式集合预报资料,探索了一种提高四川地区强降水预报准确率的方法——概率阈值订正法,并运用该方法对2012年6—8月盆地东部的降水过程进行批量试验。试验结果表明:订正后的模式预报相比订正前的预报而言,不仅强降水落区更接近实况,而且较大程度地延长了预报时效,能提前6~7天给出强降水过程的警示信息,经过订正后显著提升了ECMWF模式的降水预报水平。      

概率匹配平均法在山东强降水预报中的应用

基于WRF集合预报系统开发了概率匹配平均降水产品,选取了山东省2014—2016年共13次强降水过程,检验评估了概率匹配平均法在山东省强降水预报中的综合表现。结果表明：对于不同的强降水过程,各预报产品的预报能力差异较大,尤其是对暴雨以上量级降水的预报存在较大偏差;概率匹配平均相对集合平均,对大雨以上量级降水预报有明显改善,较WRF确定性预报产品也有一定提高,对强降水预报具有一定指示意义;该方法的改进主要体现在对不同量级降水的调整上,尤其是强降水的落区,相对集合平均增大了强降水的范围和强度,但对整个区域的总降水量预报没有很好的改进作用。     

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。     

单站暴雨客观预报的一种适用模型

采用滑动分区车贝雪夫多项式展开模型，研制福建省建阳市单站5～6月暴雨客观预报模型，以提高单站暴雨预报能力。模型取得了较好的结果：客观预报模型因子结构简单而天气学意义明了，具有预报准确率较高、稳定性好。各预报模型的三层形势特征都能体现出有利于暴雨生成的合理垂直配置。在2000～2002年的试用中，准确率平均比主观预报高出50％，且无漏报。在2003年的试用中无空报也无漏报。这表明该技术模型是一种能够有效提高单站暴雨客观预报能力和效果的适用模型。     

The Application of a Meteo-hydrological Forecasting System with Rainfall Bias Correction in a Small and Medium-sized Catchment

Meteo-hydrological forecasting models are an effective way to generate high-resolution gridded rainfall data for water source research and flood forecast. The quality of rainfall data in terms of both intensity and distribution is very important for establishing a reliable meteo-hydrological forecasting model. To improve the accuracy of rainfall data, the successive correction method is introduced to correct the bias of rainfall, and a meteo-hydrological forecasting model based on WRF and WRF-Hydro is applied for streamflow forecast over the Zhanghe River catchment in China. The performance of WRF rainfall is compared with the China Meteorological Administration Multi-source Precipitation Analysis System (CMPAS), and the simulated streamflow from the model is further studied. It shows that the corrected WRF rainfall is more similar to the CMPAS in both temporal and spatial distribution than the original WRF rainfall. By contrast, the statistical metrics of the corrected WRF rainfall are better. When the corrected WRF rainfall is used to drive the WRF-Hydro model, the simulated streamflow of most events is significantly improved in both hydrographs and volume than that of using the original WRF rainfall. Among the studied events, the largest improvement of the NSE is from -0.68 to 0.67. It proves that correcting the bias of WRF rainfall with the successive correction method can greatly improve the performance of streamflow forecast. In general, the WRF / WRF-Hydro meteo-hydrological forecasting model based on the successive correction method has the potential to provide better streamflow forecast in the Zhanghe River catchment.     

贵港市气象诱因地质灾害监测预测系统

地质灾害诱发因素中降雨是主要的因子之一，通过建设中尺度自动站网络收集基础数据，建立地质灾害预报工具，提高地质灾害预报准确率，建立地质灾害工作平台，实现部门之间的资料共享和会商。     

贵港市气象诱因地质灾害监测预测系统

地质灾害诱发因素中降雨是主要的因子之一,通过建设中尺度自动站网络收集基础数据,建立地质灾害预报工具,提高地质灾害预报准确率,建立地质灾害工作平台,实现部门之间的资料共享和会商。     

广西地质灾害业务平台的设计与开发

基于中尺度自动气象站雨量资料和广西气象台雨量预报等资料,利用C#、SQL和MeteoInfo类库技术,建成了一个集广西气象雨量实况和预报信息的直观显示、广西地质灾害预警的制作及会商等功能于一体的图形信息平台.平台精确到地质灾害隐患点制作地质灾害气象风险预警,推进了广西地质灾害精细化预报的进程.平台的组建方式和信息的图形直观显示方式可简化工作流程,提高预报质量和工作效率.     

湖北省春季暴雨落区数值预报模型和指标

数值预报产品已广泛应用于基层台站，但对于其丰富的物理量预报产品的解释应用还不够。文章利用T106物理量预报产品，结合常规气象资料，对1998～2001年湖北省春季暴雨天气过程进行了诊断分析，重点分析了有利于产生暴雨的多个物理要素，发现了产生暴雨的一些物理量及其值的结构特征，包括不同的物理要素场形态的走向、预报值的大小、上下层的配置，加深了对暴雨发生机制的认识，归纳出湖北省春季暴雨落区、落点的预报模型和指标，在促使暴雨预报准确率有所提高的同时，使暴雨预报更加精细化。     

A convection-allowing ensemble forecast based on the breeding growth mode and associated optimization of precipitation forecast

A convection-allowing ensemble forecast experiment on a squall line was conducted based on the breeding growth mode (BGM). Meanwhile, the probability matched mean (PMM) and neighborhood ensemble probability (NEP) methods were used to optimize the associated precipitation forecast. The ensemble forecast predicted the precipitation tendency accurately, which was closer to the observation than in the control forecast. For heavy rainfall, the precipitation center produced by the ensemble forecast was also better. The Fractions Skill Score (FSS) results indicated that the ensemble mean was skillful in light rainfall, while the PMM produced better probability distribution of precipitation for heavy rainfall. Preliminary results demonstrated that convection-allowing ensemble forecast could improve precipitation forecast skill through providing valuable probability forecasts. It is necessary to employ new methods, such as the PMM and NEP, to generate precipitation probability forecasts. Nonetheless, the lack of spread and the overprediction of precipitation by the ensemble members are still problems that need to be solved.