东营市短期气候预测系统设计及应用

东营市短期气候预测系统使用逐步回归、最优子集回归、BP人工神经元网络和多因子EOF迭代4种因子预报模型,以及3个以均生函数为基函数的多步预测模型,并通过集成得出预报结论.因子普查时,采用滚动式相关分析方法,保证了入选因子的稳定性.     

用非线性多因子动态组合方法作降水概率预报

将逐时段定点降水预报这个以往一般作为非连续量处理的预报问题转化为对一个连续的降水可能函数的预报问题。降水可能函数为一由实况值确定的函数。因为现在模式变化较快，且许多因子和降水可能函数为非线性关系，文章采用一种新的非线性多因子动态组合方法，通过对降水可能函数的预报，作客观分站降水概率预报。     

支持向量机在太阳辐射预报中的应用

利用EOF能分解数据场和SVM回归分析可建立因子与预报量非线性关系的优势,设计预报方案:(1)将多因子和多预报量分别方差标准化,EOF场展开,提取主分量;(2)用SVM回归分析实现多因子主分量对多预报量主分量非线性预测;(3)由预报的多预报量主分量与对应空间函数反演原预报量。选用武汉预报日同一天气类型的上一日逐时(05—18时)总辐射、日最高温度、温度日较差、日天气类型观测值以及预报日的日最高温度、温度日较差、日天气类型预报值为因子,对预报日逐时辐射量进行预报。独立预报试验表明,预报与实况接近。     

均生函数场预报模型对降水预报的试验研究

基于均生函数的处理原则,运用经验正交分解方法,将正交展开的时间系数俄为预报因子,并引入逐步算法进行因子筛选建立预报模型。将均生函数场预报模型用于云南省汛期雨量及５月雨量预报试验。结果表明：用这种模型作区域性降水预报有一定的优越性,并可作多步预测,是一咱滚动客观预报方法。     

多变量均生函数的正交化筛选方案在季节降水预报中的试验研究

用预报量与多变量预报因子的均值生成函数,通过Ｇｒａｍ－Ｓｃｈｍｉｄｔ正交化使均值生成函数彼此正交,同时利用双评分准则确定入选预报模型的均生函数个数,最后建立山西省季节降水的预报模型。试验结果表明,该模型预报山西省季节降水的效果很好,是一种提高短期区域气候预报水平的可行方法。     

热带气旋登陆华东的客观预报方案

热带所旋登陆华东属小概率事件。构造适当划分区间的阶梯函数能较好地反映登陆事件条件概率的非线性分布。应用阶梯函数变换的因子对登陆事件概率的预报性能优于线性相关的标准化因子。预报方案应用阶梯函数变换因子，通过非线性相关比筛选和REEP分析构造热带气旋登陆华东的预报模式。应用初始场资料与数值预报产品分别构造了统计－天气学、统计－气候学和统计－动力学的分类预报模式。应用分类预报模式的预报结果进行综合的预报集成提高了预报技巧。预报检验与试验表明本方案对热带气旋登陆华东具有一定的预报能力。     

用多因子筛选和均生函数序列双重最优子集作降水量预报

把均生函数延拓序列作为因子加入最优子集回归方程,将因子筛选和均生函数分析相结合作最优子集回归双重分析,用于制作钦州市月降水量的预报,预报精度有所提高。     

利用非线性回归技术建立洛阳机场大风预报方法

利用2005-2008年洛阳机场200个大风天气个例,从经验和物理意义出发选取地面风速预报因子,然后对初选因子进行多种组合并同预报量作相关分析,确定了东、西风型各10个因子。根据各个因子在引入的线性和5种非线性函数形式下同预报量的相关程度,确定每个因子同预报量的最优函数关系,进而分别建立了东、西风型风速预报的多元非线性回归方程,再应用双重检验的逐步回归方案对方程进行优化,并将优化后的方程进行了检验,最后分析了影响风速主要因子的作用。结果表明:利用非线性回归方程对风速进行客观定量化预报,预报效果达到了民航气象对大风预报的质量要求,能够为实际工作提供参考;预报东、西风型风速的首要因子分别是气压梯度和变压梯度。     

概率映射作因子非线性变换

对非线性因子的处理,一般的做法是通过寻找一个比较合适的拟合曲线函数,用这个函数来进行变换,对于二级预报问题,因子的变换还可以通过概率映射来进行。一、概率映射变换当预报对象为二级时,因子与预报对象之间的相关关系可以通过因子各取值区间内某一级预报对象出现的概率反映出来,因子各取值区间的概率形成一个序列,从这一概率序列的变化可以看出因子与预报对象之间的关系是线性的,还是非线性的。事实上,对于二级预报问     

月降水量的神经网络混合预报模型研究

以均生函数表征预报量自身周期变化，结合500hPa月平均高度场和月平均海温场预报因子，采用神经网络方法建立了一种新的短期气候预报模型。分别以广西桂北、桂中和桂南6月降水量作为预报对象进行预报试验，结果表明，这种新的预报方法比均生函数回归预报模型及高度场、海温场预报因子的回归预报模型，具有更好的物理基础和预报能力。     

雷达反射率因子垂直廓线研究和多种遥感资料综合估计降水

利用同一Ｚ－Ｉ关系下地面降水与雷达回波强度的空间最佳匹配思想,提出了一种定量降水的新方法：考察Ｉ－Ｈ曲线,确定与地面的雨量计资料最相近的Ｉ值的所在高度,然后此用此高度上的Ｉ值反演降水。发现降水与很多因子有关,而云顶温度,反照率及云顶温度的时间梯度最为明显。研究表明用多因子方程估计降水效果较好。     

基于人工神经网络的热带气旋路径预报试验

利用气候持续性因子,分别采用神经网络法及最小二乘回归法,建立西北太平洋地区12、24、36和48h热带气旋路径预报模型。通过对1992～2002年资料的试报,人工神经网络方法优于回归方法,且这种优势在预报时效较长时更明显。人工神经网络法48h的预报平均绝对误差比回归法减小27．56km,预报水平提高7％。     

灾害天气对日照市电力事故的影响研究

利用雷雨、大风等灾害天气资料和电力事故历史数据资料,分析了电力事故发生的时空分布特征及其与雷雨、大风、日平均气温等天气要素之间的关系。进而利用事件概率回归（regression estimation of event probability,REEP）和Logistic回归分析方法,得到了日照市电力事故发生概率与雷雨、大风和日平均气温之间关系的预警模型。研究结果表明：1）雷雨、大风是造成日照市电力事故的重要气象因素。2）雷雨、大风和高温等灾害天气对电力事故的发生虽都有促成作用,但影响能力存在较大差距。3）两种回归分析模型对因子和变量之间关系均有较好的拟合效果,相较而言,REEP模型更为直观,Logistic回归分析方法更为客观,适用性更强。4）回归分析结果建立在客观资料基础上,回归模型具有准确性、实用性,可为电力事故预警发布系统提供理论和技术支持。     

利用数字化雷达回波参数分析人工增雨播云条件

利用数字化测雨雷达观测的层状云雷达立体扫描资料和探空资料，分析得出层状云降水部分特征，并利用多元逐步回归获得催化作业效果指标y=2.0mm.h^-1，在使用雷达立体扫描资料进行人工增雨作业时指导方面做了探讨。     

防雷管理信息系统分布式多层结构的设计与实现

以防雷检测信患系统为例，介绍了用Delphi的MIDAS设计分布式多层结构的防雷管理信息系统的技术方法。     

Statistical prediction of heavy rain in South Korea

1. Introduction In recent decades, extreme weather events seem to be growing in frequency and risk due to water-related disasters. According to the World Meteorological Or- ganization report (ISDR and WMO, 2004) on World Water Day, 22 March 2004, the economic losses caused by water-related disasters, including floods, droughts and tropical cyclones, are on an increasing trend as follows: the yearly mean in the 1970s was about 131 billion US dollars, 204 billion dollars in the 1980s, and …     

TRMM月降水量产品在新疆地区的订正

利用1998-2013年TRMM月降水量产品与新疆同期的105个气象站地面观测降水量,运用逐步回归与BP神经网络方法,选取1998-2010年数据建立新疆地区的降水订正模型,并利用2011-2013年月降水量进行检验。结果表明:加入地形因子对TRMM月降水量产品订正效果明显,整体上两种模型对TRMM月降水量产品订正的相关系数从最初的0.66分别提高到0.75和0.80,相对误差由10.75%分别降低为4.88%和3.19%;月尺度上,TRMM月降水量产品相对误差为-5.68%~54.44%,经逐步回归模型订正后为-4.26%~32.57%,而BP神经网络模型订正后为-5.33%~24.48%,表明BP神经网络模型订正效果更好;从综合时间技巧评分S_T看,订正后TRMM月降水量产品在各月的效果均有不同程度提高,逐步回归模型订正后提高0.01~0.49,BP神经网络模型订正后提高0.03~0.70。因此,基于逐步回归模型与BP神经网络模型订正的TRMM降水量产品均能够准确、定量地再现降水分布,为TRMM降水量产品质量改进提供一种较实用的参考方法。     

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.     

基于集合预报和支持向量机的中期强降雨集成预报试验

本文基于欧洲中期天气预报中心(ECMWF)和美国国家环境预报中心(NCEP)集合预报资料和支持向量机(SVM)回归方法建立了多模式集成的动力-统计客观预报模型(SVM-多模式集成预报),继而选用2012年5—9月(共计153 d)发生在淮河流域及其以南地区的大雨和暴雨开展了回报试验,并将所得预报结果与ECMWF的控制预报和集合平均预报进行了多角度比对评估。结果表明:在中期预报时效(4~7 d),SVM-多模式集成预报方法对2012年5—9月大雨和暴雨的预报效果最优,尤其对暴雨预报准确率明显提高,其优势主要体现在对强降雨中心分布范围和强度的预报更接近实况。     

北京急性脑血管疾病与气象要素的关系及预测

基于2006年1月至2010年12月北京市120急救中心的逐日脑血管急症接诊病例数据资料,首先探讨北京市急性脑血管疾病与气象要素的关系,选取不同季节的影响因子,然后根据概率积分方法将发病人数划分为4个级别,并采用人工神经元网络方法(artificial neural network,ANN)分别建立了北京市不同季节的急性脑血管疾病预测模型。研究结果表明:(1)急性脑血管疾病发病人数存在明显的季节性变化和日变化特征,冬春季发病人数高于夏、秋季,发病主要集中在早晨到中午的09—14时;(2)发病人数相对于气象要素存在明显的滞后效应,夏和冬秋季发病分别与高温高湿、冷空气活动有关;(3)脑血管疾病预测模型通过对新样本进行预报,除夏季外,完全准确率高于30%,预报误差≤±1级的准确率高于60%,研究成果对于预防急性脑血管疾病发病和调度120急救车辆等应急措施具有较好的科学参考价值。