用PP方法做河北省雾的分县预报

利用 1 96 0～ 1 999年 4 0年的气候资料 ,运用天气学原理和气候统计学方法 ,分析了雾与气象要素的关系。使用常规气象资料、利用T1 0 6数值预报产品和PP方法 ,分别制作了 2 4小时、4 8小时河北省雾的区域预报和分县预报     

北京奥运演练精细化预报方法及其检验评估

2007年北京奥运演练期间精细化场馆客观预报方法,即支持向量机方法(SVM)和半周期函数拟合(HPFF)预报方法,为场馆精细化预报产品的制作提供了有力的技术支撑.利用2007年8月1-26日国家体育场、顺义水上中心等5个奥运场馆的5种地面气象要素(气温、相对湿度、风向、风速、和3小时累积降水量)观测资料,对SVM和HPFF客观预报方法以及预报员在客观方法基础上制作的3天逐3小时预报进行了检验评估.结果表明:(1)两种客观方法相比较,HPFF方法对于预报连续变化的气象要素(如气温、相对湿度和风速)的精细预报比SVM方法预报技巧高;而对不连续变化的变量(如:风向)的预报技巧低于SVM方法.(2)预报员制作精细要素预报在很大程度上依靠客观方法.预报员对于气温、相对湿度和风速的预报技巧略高于客观方法,对于降水和风向的预报技巧与客观方法相当.尽管预报员对客观方法的修正能力比较有限,但具有对两种客观方法结果做出择优选择的综合判别能力;(3)预报员0～63小时气温预报平均绝对误差约为1.8℃,气温预报误差≤1℃的准确率在43%左右,预报误差随预报时效变化不大;0～24小时相对湿度预报平均绝对误差约为10%,相对湿度预报误差≤10%的准确率是60%,误差随预报时效而有所增大;0～63小时风向预报准确率约20%,预报准确率随预报时效变化不大;0～63小时风速预报平均绝对误差在0.8～1.4m·s-1之间.     

北京奥运期间场馆精细预报应用及分析

基于2008年8月1—24日国家体育场、顺义水上中心等5个奥运场馆自动站的5种地面气象要素(气温、相对湿度、风向、风速、和3小时累积降水量)的观测资料,对SVM和HPFF客观预报方法以及预报员在客观方法基础上制作的3天逐3小时预报产品进行检验评估。结果表明:(1)两种客观方法相比较,HPFF方法对于预报连续变化的气象要素(如气温、相对湿度)的精细预报比SVM方法更有优势,预报技巧要高;而对不连续变化的变量(如:风向)的预报技巧低于SVM方法。总体说来,HPFF方法比SVM方法的精细要素预报技巧高一些。(2)预报员对于5种气象要素的预报技巧略高于客观方法。体现了预报员对客观方法的修正能力。(3)0～12小时预报时效内,预报员气温预报平均绝对误差约为1.2℃,气温|F-O|≤1℃的预报准确率在57%上下;相对湿度预报平均绝对误差约为7%,相对湿度|F-O|≤10%的预报准确率约为74%;风向预报准确率约为30%;风速预报平均绝对误差为1m.s-1左右,预报准确率在92%左右。(4)12～63小时预报时效内,预报员气温预报平均绝对误差约为1.7℃,气温|F-O|≤1℃的预报准确率在36%上下;相对湿度预报平均绝对误...     

一种机器学习方法在湖北定时气温预报中的应用试验

利用2015—2017年湖北89个气象站地面观测温度、欧洲中心再分析资料和0～12 h预报资料回归模式输出要素与地面气温之间的关系,建立了LightGBM模型,并在2018年数据集上进行测试。结果表明,定时气温平均绝对误差由模式本身的1.8℃下降到1.1℃,2℃以内预报准确率由65.9%上升至86.6%,决定系数(拟合优度)高达0.97。该模型已经在武汉中心气象台业务化,初步选取定时气温中的极值进行2018年2—6月预报评分,24 h高、低温预报准确率分别为76.9%和91.4%,在客观产品中排名前列,较数值预报模式产品提升明显,低温预报准确率超过预报员水平。LightGBM作为一个年轻的机器学习框架,在气象要素预报方面具备良好的应用前景。     

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。     

到达地面的紫外辐射强度预报

紫外线指数一般用 0～ 1 5的数字来表示 ,通常规定 ,夜间的紫外线指数为 0 ,在热带高原地区 ,晴天无云时的紫外线指数为 1 5。世界气象组织规定了单位紫外线指数相当于 2 5 m W/m2 红斑加权剂量率。紫外线指数预报大致可分为统计预报方法和模式预报方法两种。统计预报方法主要依赖于高精密度、高准确性的紫外线实测资料和相关的气象要素观测 ;而模式预报方法则主要依赖于对平流层臭氧的预报和大气辐射传输模式的应用     

麦播期降水趋势分级预报方法

根据漯河市 1 956～ 1 995年 9月 2 0日～ 1 0月 2 0日的天气对麦播影响情况 ,定出麦播期降水趋势分级标准 ;利用前期环流特征、气象要素与麦播期降水的对应关系 ,找出相关因子 ,并根据因子组合 ,作出麦播期降水趋势分级预报     

两种不同模型对漂流适宜性等级预报的对比分析

利用常规地面气象观测资料,对桃源河景区2015年1月1日—2016年12月31日2 a逐日漂流客流量与前一日气象要素进行了分析。BP网络和判别分析均具有良好的非线性函数拟合效果,分别利用这两种方法建立模型,并检验。结合日常经验挑选出主要影响漂流气象要素(日雨量、最高气温、最低气温、平均温度、平均相对湿度、最小相对湿度、08—20时降水量和风速),作为计算漂流等级预报的气象因子,建立漂流适宜性等级方程;同时为了降低暑假、周末和节假日对预报效果的影响,进行二次建模。结果发现:BP网络预报模型较好,预报等级正确率均高于40%,同时等级绝对值差为1的正确率均高于70%,正确率均高于判别分析法,预测的等级也更稳定;此外,暑假对漂流等级预报具有正面影响。     

江西汛期连续暴雨形势特征与中期预报模型

利用 1 96 0～ 2 0 0 0年共 4 1年的历史天气图资料对江西省汛期连续暴雨过程的天气形势特征进行了分析 ,利用近 5年的T1 0 6资料对连续暴雨的物理量场特征进行了分析 ,得出了阻塞高压、副高等行星尺度系统和天气尺度系统的活动规律及连续暴雨的动力热力条件分布特征。并利用欧洲中心数值预报产品建立了汛期连续暴雨中期预报模型 ,经两年应用效果表明该模型有较强的预报能力。     

孝感市主汛期降水趋势分片预报方法

以1960-2000年部分大气环流特征量和孝感市部分气象要素为基本资料,采用逐步回归方法建立了孝感市主汛期（6～8月）降水量分片预报模型。对预报模型的检验和试验结果表明,模型检验拟合率在60％以上,试验成功率为50％-75％,模型具有一定的预测能力。