运用经验正交函数分解建模制作麦播期降水定量预报

针对鹤壁市麦播期（９月２１日￣１０月３１日）降水量的高频振荡性，利用均值生成函数的延柘函数构成的序列，提取时间函数，作为主分量分析方法的时间函数场，制作鹤壁市麦播期降水定量预报方程并进行试报。     

南阳麦播期旱涝特征分析及预报

1 前言。麦播期(9月21日至10月20日)降水的多少、时空分布均匀与否，直接影响着最佳适播期。历年来因干旱或雨涝而推迟适时播种，都对我区小麦产量造成很大影响．因此，寻找麦播期降水变化的规律，加强对旱涝灾害的研究，为政府各级领导的防灾抗灾提供科学依据，具有十分重要的意义。     

汉中市汛期降水分级分县T213释用方法

利用 T2 1 3数值预报产品制作汉中市汛期降水分级分县预报 ,对 2 0 0 2 -2 0 0 3年 5 -1 0月T2 1 3数值预报格点场进行每个站点相关因子资料插值后 ,与同期的降水实况做了对比统计分析 ,确立每个站点降水量级与选用因子的临界指标值 ,再用多因子概率权重、 3 0 a各降水量级出现的气候概率和 T2 1 3数值预报对汉中市各个站点进行解释预报。应用表明 ,方法对 T2 1 3数值预报有一定的订正效果和较高的实用价值     

人工神经网络在梅雨期短期降水分级预报中的应用

将人工神经网络应用于南京夏季梅雨期短期降水分级预报。根据梅雨期天气特点,用统计和动力学方法从HLAFS（高分辨率有限区域预报系统）资料中寻找预报因子;然后分别用两种方法选取输入因子对人工神经网络进行训练,并分别利用抽取的五天做降水分级预报检验。通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现：与HLAFS降水预报相比,降水预报准确率由原来的66．7％提高到88．2％,漏报、错报明显减少;与逐步回归预报相比,大到暴雨的预报准确率得到了明显提高。     

人工神经网络在南京秋季短期降水预报中的应用

利用2002年10月2日—12月1日的HLAFS资料,计算得到组合因子,通过相关系数的检验得到预报南京秋季(10—11月)降水的组合预报因子。把这些组合因子和对应的降水实况输入人工神经网络中进行学习和训练,最后得到南京秋季降水的人工神经网络预报方法。检验和试预报结果表明,预报降水的准确率为70%～80%,高于HALAF模式10%～20%。     

焦作市4—9月短期降水精细化预报系统

在降水时空变化研究的基础上，完成辖区降水区划；用计算机识别T213风场中槽线、切变线等影响系统，并按其相对于预报站方位，确定对其影响强度指数，组合预报因子，建立判别方程，制作分县0～12小时、12～24小时降水分级预报。经检验，系统对降水落区有较强预报能力。     

榆林分县降水预报三级分辨方法研究

1　资料处理通过对 MICAPS系统控制文件的修改 ,设定每天自动输出 (1 0 0～ 1 1 5°E,33～ 44°N)范围内T1 0 6各种实况物理量场备用。创建一个因子控制表文件 (格式见表 1 ) ,专门存放预报员经验物理量场因子或其它预报方法所提供的物理量场因子 ,该文件为文本文件 ,内容由手工录入 ,所选物理量场数量不限 ,可随意删除因子 ,是下述自学习模块和预报模块调用的基本文件。地面实况划分 :0～ 0 .1 mm为无降水级 ,0 .1～ 38.0 mm为有降水级 ,>38.0 mm为大降水级。表 1　sjfbyz.dat(因子个数 :39)要素高度路　径RH 50 0 C:\MICAPS\T1 0 …     

综合指标方法在降水分级预报中的应用

利用１９９５年１月～１９９７年１２月国家气象中心的Ｔ１０６分析场资料,采用因子组合、相关分析等手段,确定与降水关系密切,且有、无雨分类较明确的物理量因子,将样本内每个因子由小到大排列后分段,计算各段上的降水频率,根据各物理量对降水贡献的大小,确定各因子的权重系数,将每个样本中的所有因子所在地庆的降水频率加权累加,得到一个综合降水频率值,通过历史拟合,确定降水ＴＳ评分最大的降水频率值为综合预报指标分     

许昌市区麦播期强降水短期预报方法

在许昌市区麦播期强降水影响系统客观分型的基础上，结合预报实践，分型挑选预报因子，并建立了强降水短期预报方法。经检验和试报，效果令人满意。     

冬小麦播期降水年型与秋温年型归一分析

利用襄城县１９５７￣１９９６年４０年麦播期降水和冬前温度资料,将麦播期分为７种降水年型和４种秋温年型,并通过归一分析,提出不同麦播年型的麦播对策和建议。     

驻马店市春播期降水分析与趋势预报

利用1959～2001年春播期(3～4月)驻马店月降水资料,分析了春播期降水气候规律,找出与3～4月降水相关性好的因子,建立3、4月降水趋势预报方程.     

广东省前汛期降水分布趋势的分析与预测

利用模糊聚类分析方法将广东省前汛期降水的分布趋势进行分类。取各类的代表站进行对应分析，用前两个公共因子对汛期降水的分布趋势进行分类，分析各类的500 hPa平均高度场及它们之间的差异。同时研究各类前冬（1，2月）500 hPa环流形势的演变特点和海温场（12～2月）的分布。最后求得前两个载荷变量的预测值，作出汛期降水分布趋势预报。     

广西后汛期降水分型预报探讨

将广西后汛期降水进行 EOF分解后 ,利用前六个特征向量进行空间分型 ,并根据对应时间系数的符号及大小将降水场转化为数字化时间序列 ,再运用序相关相似方法进行因子的选取及降水场数字化时间序列的预测 ,1998- 2 0 0 1年的预报结果表明 ,效果较好     

三峡坝区9～5月降水短时预报

通过对宜昌1989～1995年和三斗坪1992～1995年9～5月逐小时降水资料的中尺度气候分析,得山了三峡坝区9～5月各月降水的1小时、3小时变化以及日变化特征,最后对1996年11月4日三峡坝区的一次暴雨过程进行了个例分析,并以此找出三峡工程大江截流期强降水的短时预报着眼点。     

中国温度、降水的长期气候趋势及其影响因子分析

根据我国温度、降水长期变化规律的分析 ,已持续 1 0多年的暖周期还将持续一段时间 ;其中北方大部分地区气温可能处于下降趋势 ,南方大部分地区可能处于上升趋势 ;冬季温度将趋于下降 ,平均温度将比 2 0世纪 90年代降低 ;夏季温度将趋于上升 ,平均温度可能会比2 0世纪 90年代升高。长江流域将可能由多雨期向少雨期过渡 ,降水将比 2 0世纪 90年代减少 ;华北和黄河流域一带可能向多雨期过渡 ,降水将增加。     

GRAPES中尺度模式的广东定量降水预报检验

采用客观降水检验方法,对GRAPES中尺度模式2011年4月1日～2012年3月31日广东降水预报进行了分级降水检验、时空分布演变评估以及降水预报个例分析。结果表明:随着降水量级和预报时效提高,模式降水预报质量呈现下降趋势;模式能够对降水过程时间演变做出准确的预报,对于实况较小的降水,模式存在预报比实况偏大的问题,而对于实况较大的降水,模式存在预报比实况偏小的问题;模式不能很好预报出与地形有关的广东3个降水中心;通过对一次台风降水预报个例分析表明,模式24 h预报能较好反映雨带分布和暴雨中心。     

桂林逐站降水分级预报系统

以国家T106产品的物理量预报场为基础,选取能反映降水的动力、热力特征的单因子场和组合因子场,对桂林市13个站的降水逐站进行分级并建立相应模型,再用当日数值产品用相似离度法确定最短相似距离,作出当天的逐站降水分级预报,并以Windows98为工作平台,以图形和文本2种方式直观显示出来。     

用条件概率法作月雨量预报

1原理简介本文所用的月雨量预报方法，类似于国外文献中流行的“PEEP”法，即事件概率回归估计。把预报量以概率表示。对预报量和预报因子进行（0、1）化变换。在此基础上分别建立雨量偏多型和雨量偏少型概率回归预报方程。把历年的因子值代入方程计算得预报量值（Y1和Y2），从Y1和Y2中归纳指标，作出偏多、正常及偏少三级趋势概率预报。2制作方法以惠阳市5月份雨量为例，资料取1954～1991年共38年。2．1资料及分级标准以月雨量年均值三作为划分标准，若月雨量则定为偏多，则定为偏少，则定为正常。由此把历年5月份雨量分成三级。选用50…     

复州湾盐场晾晒期降水预报方法的研究

以复州湾盐场晾晒期之特定时期 (6月 1日～ 8月 31日 )的降水量为预报对象 ,利用历史资料作为基本资料 ,应用神经网络理论研制出复州湾盐场晾晒期降水预报方法 ,并进行了预报检验。     

复州湾盐场晾晒期降水预报方法的研究

以复州湾盐场晾晒期之特定时期(6月1日～8月31日)的降水量为预报对象,利用历史资料作为基本资料,应用神经网络理论研制出复州湾盐场晾晒期降水预报方法,并进行了预报检验。