佛山市干日、雨日持续日数概率的预报试验

本文利用静态马尔可夫过程和一定时段内随机变量极值的概率分布,给出了干日和雨日持续回数概率的预报模型,并对佛山市进行了预报试验。     

多日逐日日平均气温预报为合理供暖服务

介绍1993～1994年度冬半年服务中的5天逐日日平均气温预报工作，简述了此项工作的预报方法，总结了预报经验。     

郑州市5～8月逐日最高气温预报

利用郑州市 1 996～ 1 998年 5～ 8月的历史气象资料 ,选取低云日际变化量、降水日际变化和风向日际变化为预报因子 ,建立了 5～ 8月最高气温日变化量多元回归预报方程。根据预报日前 1天实况和预报日的预报量 ,利用方程可求出最高气温日变化量     

基于集合预报系统的日最高和最低气温预报

根据欧洲中心集合预报系统2 m气温预报的集合统计值,提出了BP-SM方法,针对中国512个台站2016年3月的日最高（低）气温做预报分析。将集合预报系统的模式直接输出、BP和BP-SM方法得到的日最高（低）气温进行了比较,结果表明:预报时效越长,BP-SM方法较之BP方法的预报优势也更明显;在1至5 d的预报中,BP-SM方法显著降低了预报绝对误差,误差在2℃以内的准确率大部分在60%以上,部分站点达到90%;正技巧评分均值大多高于30%,在青藏高原东部和南部地区超过了60%。预报正技巧站点次数在绝对误差≤2℃（1℃）范围内有所提高,对日最高气温预报准确率的提高略好于日最低气温;BP-SM方法有效地降低了预报系统偏差,较大预报误差出现次数显著减少。      

偏北大风的数值预报释用方法研究

本文利用欧洲中心中期数值预报结果，从不同侧面选取因子，建立了日最大平均风速的四种统计预报方程，在此基础上设计了几种集成方法对预报结果进行集成，结果表明，我们设计的最大值－阀值综合集成法取得了很好的效果，特别是2－3天的大风预报准确度较高。     

OCF气温预报大误差日的对比检验分析北大核心CSCD

为评价用于公众气象服务的精细化多模式客观集成预报服务产品(refined multi-model objective consensus forecasting service products,以下简称OCF)多模式集成气温预报效果,分析其误差成因,以中国区域OCF日最高气温和日最低气温预报检验为切入点,对服务影响较大的大误差日及其典型特例——降温日开展检验分析,并与参与OCF集成的ECMWF和NCEP气温预报进行对比。结果表明:OCF日最高气温和日最低气温总体上预报性能优于参与集成的模式预报,准确率夏季高冬季低,拉开了气温变化范围,也有效减小了误差。OCF的大误差日较少,但2~3 d时效及冬半年的大误差日较ECMWF多,与集成的模式预报性能、降温天气相关。针对降温日的检验分析发现:OCF、ECMWF和NCEP在降温日的预报性能有所下降,OCF日最高气温预报误差增长尤其快;OCF对降温日的日最低气温、非降温区域的日最高气温进行了有效订正,但在降温日的降温区域里,其日最高气温预报有明显的正误差特征。基于以上分析,提出了OCF气温集成订正技术改进方向,说明针对性的检验更利于发现客观模式预报及集成订正的问题。     

冬季降雪时段的日极端气温预报方法

本文分析绥化市2010—2013年历次降雪过程,统计降雪时段以及日极端气温出现时间,发现降雪时段的气温变化规律与非降雪时段有很大不同,所以日极端气温预报难度较大。本文从总结降雪时段的气温变化规律人手．试图根据850hPa预报场温度变化趋势推测出未来降雪时段内的地面气温变化趋势、幅度和日极端气温出现的时间,从而提高预报准确率。     

灰色理论在夏汛中期降水预报中的应用

采用丹江口水库流域各水文气象站（点）７～８月降水资料,并根据有关灰色系统理论,建立了灰色系统ＧＭ（１,１）预报模型,对流流域１９９８年７～８月,１９７０～１９８９年同期中期降水峰日预报分别进行了试验和检验。其结果表明：应用灰色理论在中期降水预报业务中建立模型简单,使用方便,尤其对流域夏汛期降水峰日预报的准确率较高。     

神经网络方法在广西日降水预报中的应用

以广西前汛期5、6月区域平均日降水量作为预报对象，采用人工神经网络方法进行新的数值预报产品释用预报研究。对T213预报因子进行自然正交分解，有效浓缩数值预报产品因子的预报信息，并结合日本降水预报模式因子建立广西3个不同区域的逐日降水神经网络释用预报模型。运用与实际业务预报相同的方法对2004年5、6月进行逐日的实际预报试验，并与T213的降水预报进行对比分析。结果表明，本文建立的3个区域日平均降水量神经网络预报模型，在预报性能上明显优于同期的T213降水预报。     

利用日最高气温和日最低气压预报5月大风

对1981－1995年的大风资料进行统计分析，得出用日最高气温和日最低气压预报于田县5月大风天气的指标。     

CMA-SH9在川渝地区的降水日变化预报效果评估

利用CMA-SH9模式逐小时降水预报数据和地面自动站-CMORPH卫星融合降水数据,开展该模式对2020年暖季（5~9月）川渝地区降水日变化的预报效果评估。结果表明:CMA-SH9模式可以再现小时平均降水量在四川盆地偏小、盆地周边陡峭地形处偏大的空间分布特征;显著的预报正偏差分布于青藏高原东坡至四川盆地西南部一带和四川盆地以东地区,偏差来自降水频率和降水强度的共同贡献;预报负偏差分布于四川盆地,主要来自模式对降水强度的低估;降水日变化峰值时间自西向东呈午夜到上午的滞后,模式预报的降水日变化峰值时间超前于观测;模式能够较好地把握青藏高原东坡至四川盆地西南部一带和四川盆地的单峰型日变化位相,以及盆地以东地区的双峰型日变化位相,但预报的降水量值和观测存在一定偏差。      

MOS温度预报中最优训练期方案

以欧洲中期天气预报中心 (ECMWF) 模式细网格地面气温为预报因子,设计多种训练期方案进行2014—2015年福建省气象站每日两次1~7 d的日最高气温和日最低气温MOS (model output statistics) 预报,并进行检验和改进。准对称混合滑动训练期方法为取预报日之前和前1年预报日之后相同日数的样本混合而成,分1年期或多年期。结果表明:准对称混合滑动训练期方案优于滑动训练期方案和传统季节固定期分类方案,且2年期优于1年期。以不同周期确定最佳训练期日数的方案应用对比显示,以年为评估周期优于以月为评估周期以及更短时间周期。在2015年日最高气温和日最低气温MOS预报中,基于上年度评估所得最佳训练期日数,2年期准对称混合滑动训练期方案较ECMWF模式细网格产品质量有较大提高,优于预报员预报,有较好的应用参考价值。     

晾晒气象指数预报

室外晾晒条件的优劣，取决于日蒸发量的大小。根据这一思路，分析了影响日蒸发量的因子及其与蒸发量的关系，建立了日蒸发量预报方程，并根据不同季节日蒸发量的大小，确定了晾晒指数。     

营口市高温天气气候特征及其预报

用营口市所管辖3个站1981～2000年的日最高气温资料，查找大于等于33℃高温个例，统计分析了高温当日的气象要素特征；根据近20年历史天气图等资料，系统总结了营口市高温的天气气候特征和高温出现的高空、低空及地面形势场特征。运用经验性预报方法，提取预报指标；结合各种数值预报产品，进行逐条检验是否符合条件，最后建立经验性预报模式。建立的大于等于33℃高温的预报方法，经近几年的检验，能够比较好地预测夏季高温天气。     

东北冷涡暴雨的短期预报系统

东北冷涡暴雨是指在东北冷涡天气形势下，东北地区出现3个或以上气象站日雨量大于等于50mm的暴雨。根据东北冷涡暴雨的成因分析结果，应用1993～1995年6～8月日本数值预报传真图资料，针对东北冷涡暴雨形成的有利天气形势和热力、动力特征，对数值预报产品进行天气动力解释，选择数值预报因子，确定因子的可信度，采用MYCIN不精确推理方法，建立了东北冷涡暴雨预报系统。     

北京城区8月日花粉总数量和致敏花粉数量短期预报

对北京城区1983~1986年和1998~2003年8月逐日花粉总数量和致敏花粉数量的分析发现,北京夏秋季花粉日数量在“立秋”节气的前、中期呈缓慢增加趋势;在“立秋”节气的后期迅速增加;当进入“处暑”节气,日花粉总数量增长到峰值,并居峰值左右摆动。利用统计方法建立不同天气分型条件下以时间序列为因子的日花粉总数量和致敏花粉数量的短期预报模型,编制了日花粉总数量和日致敏花粉数量短期预报的软件操作平台,自动读取分型因子,制作出未来24 h北京花粉总数量和日致敏花粉的预报产品。     

三种气温预报产品黑龙江省预报效果检验

利用T639模式预报产品和黑龙江省83个国家气象站气温实况观测资料,采用最优预报因子方法选取预报因子,应用多元回归方法建立逐站日最高气温和日最低气温的MOS预报方程; 对MOS、中央气象台指导预报（SCMOC）和T639三种气温预报产品的日最高气温和日最低气温预报效果进行对比检验分析,并用EOF方法检验预报与实况的时空变化特征一致性。结果表明: 与实况的时空变化一致性方面,MOS和SCMOC较好,T639略差; 预报效果方面,MOS和SCMOC对日最高气温和日最低气温的2 ℃预报准确率普遍高于T639,MOS的预报准确率在日最高气温方面高于SCMOC,在日最低气温方面低于SCMOC; MOS对T639气温预报产品改善效果明显,尤其对冬季日最低气温的预报改善效果十分显著; MOS较T639气温预报改善效果与T639模式预报效果呈负相关关系,主要表现为,MOS预报改善效果在T639预报准确率低的山区明显优于平原,在春、夏季,预报准确率较低的日最高气温明显优于日最低气温,在冬季,预报准确率较低的日最低气温优于日最高气温; MOS气温预报方法的预报性能较理想,SCMOC对黑龙江省预报难度较大的日最低气温预报效果较好。     

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Parsivel天气现象仪资料的郑州“7·20”罕见特大暴雨微物理特征分析

基于2016-2018年ECMWF模式温度预报和浙江省72个国家基本站观测资料,根据温度日变化特征,采用K-近邻(KNN)回归算法进行误差订正,改进浙江省172 h精细化温度预报。在KNN回归算法中,将模式起报时刻的温度视作“背景”,由模式预报减去起报时刻温度消除“背景”影响,得到温度日变化曲线,通过温度日变化曲线构建差异指标,选取历史相似个例。根据历史相似个例的误差特征,对温度预报进行订正,得到改进的温度预报。检验结果表明,KNN方案的温度预报平均绝对误差较ECMWF和30 d滑动平均误差订正方案(OCF)的分别减小26.2%和5.2%;日最高和最低温度预报误差绝对值小于2℃,准确率较ECMWF的分别提高14.8%和4.3%,较OCF的分别提高3.0%和1.3%。KNN方案对地形复杂地区的温度预报改进效果更为明显,对冷空气活动和夏季高温等天气过程预报改善效果也较稳定。     

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。