三峡区间面雨量预报方法及其试验效果

介绍了用于制作三峡区间面雨量预报的各种预报方法,分析了天气学方法、数值预报方法及以数值预报产品为基础的人工神经网络方法在１９９９年汛期的试验效果,结果表明：人工神经网络方法及ＭＡＰＳ数值预报方法预报效果较好。并提出了对几种面雨量预报方法的改进措施。     

气象问题中椭圆型狄氏边值问题数值解的迭代法

本文从天气学的事实出发,应用自共轭椭圆型边值问题解的简单格林函数表达式,建立适合解动力气象学中椭圆型方程狄氏边界值问题的数值迭代解法,这个方法有较普遍的意义。目前,气象中常用的近似方法——方法、方法、Fjortoft方法以及外推Liebmann方法都是本文所提方法的特殊情形。在本文所提方法的一般形式基础上,还可以对上述各种近似方法的准确度、收敛情况以及改进途径得到明确的了解。作者将公式Ⅱ_1用在数值解平衡方程的计算中,作为本文所提方法的数值计算的检验,试用结果表明本文所提方法有理论概括意义和实用前途。     

基于空间回归的B样条拟合在地面气温资料质量控制中的应用

将B样条拟合算法引入到地面气温资料的质量控制当中,在分析地面气温资料空间相关性的基础上,提出一种基于空间回归的B样条拟合地面气温资料质量控制方法(SRT_BSF方法)。为了检验SRT_BSF方法的有效性及适应性,利用SRT_BSF方法对多个场景地面气温资料进行质量控制,并与反距离加权方法(IDW方法)和空间回归方法(SRT方法)进行比较分析。试验结果表明,SRT_BSF方法相对于IDW方法和SRT方法更能有效地标记出地面气温资料中的存疑数据,同时多组独立案例的分析结果说明SRT_BSF方法具有更好的稳定性和适用性。      

苏联季节天气预报的发展、现状及展望

苏联的季节天气预报始于本世纪20年代,60年代开始发布官方的季节天气预报。经过苏联气象学者近70年的努力,季节天气预报方法由最早的天气学方法。大尺度环流型方法发展成天气学方法、大尺度环流方法、统计学方法、天气——统计学方法等多种方法相结合的季节天气预报方法,季节预报要素除最早的温度距平和降水量预报外,增加了旱涝预报、解冻与严寒预报、春秋气温经过0℃和±5℃预报等多种季节气象要素的预报业务。一、苏联季节天气预报的发展     

贴近度在农业气象预报中的应用

近年来，模糊数学方法在国内农业气象中的应用日益广泛，已经应用的方法有模糊聚类、模糊综合评判、模糊相似分析、模糊决策等多种。模糊数学方法中的模型识别也是农业气象预报中最常用的一种预报方法。模型识别有模型识别的直接方法和间接方法两种。下面仅介绍模型识别的间接方法——贴近度的应用。     

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。     

全国各省市气象科技期刊文摘⑨

１非参数估计概率天气预报方法的概率基础《军事气象》２００１年第４期赵瑞星总参气象中心１０００８１摘要非参数估计概率天气预报方法是直接基于天气样本数据建立概率天气预报模型的方法，它避免了概率密度估计误差的影响。最近邻相似概率天气预报方法和Ｋ近邻概率天气预报方法是这类预报方法中的两种，实际上窗函数估计概率天气预报方法也属此类方法。许多文献中已较详细地叙述了它们的原理和计算方法，但仍没有说明其理论基础是什么。为此，我们从Ｂａｙｅｓ后验概率公式出发，用频率和窗函数的方法对最近邻和Ｋ近邻权函数概率天气…     

奥运气象资料管理系统中SCRUM方法应用

引言 软件质量和生产率是软件工程的两个核心目标。敏捷软件开发方法（以下简称敏捷方法）统称轻载方法,以区别于传统的软件开发方法（又称重载方法）。目前常见的敏捷方法有Extreme Program—ming（简称XP）、SCRUM、Crystal、Adaptive Software Development（ASD）,     

用波状低云“准备场”修正日本数值天气预报的试验

将动力学方法和天气学方法结合,进行了大（暴）雨预报试验。把两者结合起来的预报方法优于单纯的某一种预报方法。     

预报台风路径的相似原理

近年来,国外预报台(飓)风路径成绩最佳的一个方法,是所谓相似方法。美国迈阿密国家飓风中心称此方法为HURRAN,关岛美国舰队天气中心联合台风警报中心称此方法为TYFOON。结合预报实践经验,我们对之又作了若干改进,制订出三个方法:相似方法,相似加权方法和相似加权回归方法。其中前两个方法较简单,在不使用计算机的情况下,由一、两个人手算一小时左右即可算出预报结果,适合广大气象台站日常使用。     

利用专家神经网络试报广西前汛期暴雨

介绍了专家神经网络的基本方法及用此方法作广西前汛期暴雨预报的经验，以探索人工智能用于灾害性天气预报的新方法。     

基于机器学习的降雨量雷达回波数据建模与预测

以浙江省2016年1-10月的雷达回波强度数据为基础,分别应用随机森林模型、BP神经网络模型、卷积神经网络模型来预测降雨量并进行对比.建模分析结果表明,随机森林模型预测效果精确度较低,容易低估较大的降雨强度,而BP神经网络和卷积神经网络预测的效果都比随机森林好,特别是卷积神经网络,其预测值与真实值更加接近,且对较大的降雨强度拟合较好.     

人工神经网络在感热通量计算中的应用

感热通量计算方法的研究是边界层研究中最重要的内容之一。基于中日JICA计划项目中青藏高原东缘四川盆地温江站的边界层铁塔观测资料初步研究了使用人工神经网络(ANN)计算边界层感热通量的方法,并将ANN和经验公式法计算得到的感热通量分别和真值作相关和误差分析。对2009年4月和5月的两个个例研究的结果表明:ANN计算结果和真值的相关性都高于经验公式法且趋势变化和真值更加吻合,ANN计算的2009年4月的感热通量与真值的均方根误差(RMSE)稍大于经验公式法,但2009年5月的RMSE明显小于经验公式法。     

模糊神经网络在台风云系图象识别中的应用

利用数学形态学方法对台风云系进行区域分割，计算并统计出了台风云系纹理特征的概率密度，然后结合模糊判别技术，利用多层神经网络对ＧＭＳ云图的台风云系进行图象识别，结果表明，该方案是成功的。     

用天气雷达回波资料作临近预报的BP网络方法

讨论了利用ＢＰ模型进行临近预报的方法,并与傅立叶描绘子法作了比较,从而说明了人工神经网络方法用于临近预报是可行的。     

多模式温度集成预报

基于中国国家气象中心T213模式、德国气象局业务模式和日本气象厅业务模式2 m高温度预报, 利用神经网络方法中的BP网络建立了我国600多个站的温度集成预报系统, 该预报系统的预报时效为72 h, 间隔为3 h。通过对2004年1—5月的预报结果检验, 表明:集成的温度预报结果明显优于3个模式单独的预报结果, 72 h内预报的平均绝对误差在3 ℃以内, 并且不存在明显的系统误差, 预报达到了一定的精度, 可以为预报员提供定时、定点精细的客观温度预报参考。分区的检验结果表明:不同区域预报误差存在差别, 新疆和西藏误差比较大, 而长江流域和华南地区误差很小, 并且不同区域系统误差的情况也不相同。从总体情况看, 预报误差还存在日变化, 一般来讲, 夜间的预报误差小于白天。     

春季中国日最高气温延伸期预报误差分析及订正

数值模式直接输出和经模式后处理得到的预报误差比较,是延伸期逐日要素预报应用基础。针对中国2 583个站点在2020年春季11~30天的日最高温度预报,根据欧洲数值中心的集合预报输出,首先,使用BP-SM（Back-Propagation - Self memory）法和回归法,进行确定性预报订正效果比较;结果表明BP-SM法和回归法都明显降低了预报绝对误差;在11~14天预报中,BP-SM法得到的平均绝对误差为3.3~3.6 ℃,预报准确率超过35%,订正效果更优。其次,基于模式直接输出和BP-SM法获得的概率预报,使用CRPSS (continuous ranked probability skill score)进行了可预报性分析。结果表明,在地形复杂地区,经过订正,预报准确率明显改善。对于延伸期逐日要素预报,合理的模式后处理方法是降低预报误差和提高预报能力的重要环节。      

基于组网天气雷达的台风定位方法探讨

利用组网天气雷达格点反射率因子确定登陆台风的中心位置,根据台风的反射率因子表现出对称特征,提出一种简单的定位方法——相关法,该方法具有较高的时间分辨率,能对临近登陆台风连续定位.通过2008年台风“黑格比”与2009年台风“天鹅”两个实例验证了该方法的可行性.结果表明:该方法能较好地确定台风中心位置,以中央气象台给出的...     

基于人工神经网络的GMS云图四类云系的识别

应用人工神经网络方法较成功地识别了GMS云图中的四类云系,并与传统的统计识别方法进行了对比,得出结论:神经网络方法更适合于云系的特征识别。还研究了神经网络本身的问题,取得一些网络设计的经验。     

高血压病发病率预报的人工神经网络方法研究

通过统计分析，选取影响银川地区高血压病发病率的主要气象因素，将其作为输入变量经多层前馈型神经网络的BP(Back Propagation)算法进行学习训练，建立了疾病发病率的人工神经网络(ANN，Artifical Neural Net)预报模型。结果表明：该方法计算简便、误差较小，为疾病发病率预报提供了一种新的预报方法。