基于春季气候信号的“台风是否经过江苏”预测研究

利用中国气象局提供的1951—2018年台风最佳路径数据集,筛选经过江苏的热带气旋个例,发现历史上所有经过江苏的热带气旋都发生在夏秋季节。基于春季130种气候信号指数,利用C4.5决策树算法建立“台风是否经过江苏”的预测模型。结果表明:基于C4.5算法的决策树能够较为直观且准确地对每年“台风是否经过江苏”进行预测。利用1951—2000年(51 a)的数据样本进行训练,学习准确率达到82%,利用2001—2018年(18 a)的数据样本对模型进行泛化能力测试,测试准确率达到83.3%,最后利用2019年第9号热带气旋“利奇马”经过江苏的事实进行个例检验,符合决策树规则C。可以证明C4.5算法对“台风是否经过江苏”的预测具有较高的准确率和通用性。     

基于CART算法的夏季干旱预测模型研究及应用

利用标准化降水蒸散指数(SPEI)作为判断干旱是否发生的标准,基于数据挖掘方法中的CART算法探究夏季西太平洋副高北界、夏季西太平洋副高强度指数、准两年振荡(QBO)、东亚夏季风指数、夏季北大西洋涛动(NAO)、夏季太平洋年代际振荡(PDO)、厄尔尼诺指数等多项气候因子与干旱的关系,构造分类决策树,得到干旱预报规则集,从而建立干旱的预报模型。预报模型以各项气候因子为输入变量,是否干旱为目标变量。根据1955—2012年商丘月平均气温和月总降水资料计算出商丘夏季58 a的SPEI指数作为干旱判定指标;以同期的多项气候因子数据作为输入变量,随机选取46 a的数据得到7条分类规则集,分类准确率为86.96%。使用剩余12 a的数据验证,准确率高达91.67%。结果有力地证明了基于CART算法建立干旱预报模型的可行性、科学性、有效性以及与干旱研究理论的一致性,为干旱模型的研究及季节性预测提供了科学有效的新思路。     

基于遗传算法的特征选择方法在短时强降水预报中的应用北大核心

利用江苏省13个气象观测站历史上短时强降水观测资料,用遗传算法进行特征选择,选定影响短时强降水的950 hPa假相当位温、700 hPa比湿、500 hPa比湿、对流有效势能(Convective Available Potential Energy,CAPE)等14个特征为主要因素,将是否为短时强降水抽象成二元分类问题。借助机器学习中CART决策树算法进行分类分析,构建便于使用的短时强降水预报规则集。实验部分,随机选择5816条样本进行训练模型,得到适合江苏地区的短时强降水规则集,利用剩余的1454条数据进行实际检验,模型的短时强降水预报准确率为91.35%,非强降水预报准确率为97.11%,较特征选择之前分别提升了8.66%和1.05%。     

贵州中西部道路结冰气象影响因子检验评估

该文利用日常业务应用的中央台精细化预报(CMA-thin)、中国T639、欧洲中期天气预报中心(ECMWF)和日本气象厅(JMA)4个预报中心的预报资料,采用均方根误差和预报准确率对各预报中心中影响道路结冰的气象因子进行检验分析。结果表明在72 h预报内在不同时刻起报场中,T639在08时起报的相对湿度效果最好;日最高气温、最低气温及0℃以下的气温预报准确率EC细网格最高;降水预报以JMA最优。该结论一方面为贵州中西部道路结冰监测预警预报系统的建设提供最优要素选择;另一方面使预报员在多个数值预报中相对信任某个预报中心的要素预报,缩短了预报员的参考和选择时间。最后通过2012年12月29—31日道路结冰个例进行对比分析,很好地验证了上述检验结论。     

基于决策树算法的江苏省不同区域 短时强降水预报研究

采用2000—2019年13个地级市气象站地面观测站点观测资料以及ERA5再分析资料,基于机器学习中的经典的C4.5算法对江苏省不同区域是否出现短时强降水建立气象要素预报模型。结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对江苏省不同区域是否发生短时强降水进行预测,并且该决策树模型具有较高的泛化能力。决策树模型利用各区域总样本的前15 a数据样本进行自学习,学习准确率在淮北地区为89.70%,在江淮之间地区为87.89%,在长江以南地区为87.88%,利用各区域剩余5 a样本对该决策树模型的泛化能力进行测试,测试准确率在淮北地区为85.73%,在江淮之间地区为83.39%,在长江以南地区为93.92%。     

基于数据挖掘CART算法的区域夏季降水日数分类与预测模型研究

夏季降水日数的准确预测,对于保障农业、运输业、电力等行业的有序进行具有重要现实意义.利用连云港市气象局提供的1951—2012年夏季降水数据对连云港地区的降水日数特征进行分析,难以直观地发现夏季降水日数随时间分布的规律.为进一步探索降水日数的发生规律,结合国家气候中心网站提供的多种气候因子数据,基于CART决策树算法构建了连云港地区夏季降水日数是否偏多与是否偏少的分类与预测模型.该模型可以发现在多种气候因子不同条件下,夏季降水日数是否偏多（偏少）的规律,模型的分类与预测都具有良好的效果.利用52 a的数据样本训练模型,模型的训练准确率为90.38%（86.54%）,再用剩余10 a数据样本检验模型,测试准确率为80%（80%）,并且得到规则集,方便气象业务人员使用以及决策服务人员参考.同时,为降水日数的预测提供了数据挖掘的新思路.     

基于决策树算法的海州湾地区海雾预测北大核心

基于连云港西连岛站点2014—2018年逐小时气象观测资料,经过对海雾事件及气象要素特征的统计分析探寻海州湾海雾发生发展的基本规律,并基于机器学习中的经典的C4.5算法对海雾天气建立气象要素预测模型。结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对海州湾海雾进行预测,并且该决策树模型具有较高的泛化能力。利用2014—2017年的样本数据进行学习,模型的学习准确率为92.85%,利用2018年的样本数据对模型的泛化能力进行测试,测试准确率为93.51%。决策树算法在海雾预测中具有方便简洁、科学实用,准确率高等特点。     

智能网络预报业务发展前景下预报员作用的思考

利用MICAPS常规数据,陕西现代气象一体化智能网格预报平台预报检验数据,以及陕西天气业务实时评估平台预报评分数据,选取2017年1—6月省级预报员综合主观预报结果与智能网格平台的多模式集成结果进行对比分析,同时选取2017年8月11—14日在西安周边发生的一次分散性强对流天气的预报服务作为个案分析,研究在智能预报发展前景下,预报员在预报业务体系中的位置与作用。研究结果表明,智能预报体系中预报员的作用是不可取代的,但是,预报员的职能将根据气象业务现代化的推进实现角色的转变,常规精细化预报产品将越来越不需要预报员的人工干预,预报员需要更加快速准确地进行灾害性天气的精细化订正,制作针对性服务产品,深入研究灾害性天气的机理,总结预报经验,改进数值预报模型的算法,为提高人工智能的效果提出建议和方法;对预报员的评价体系应该从预报准确率评分转变为灾害性天气订正技巧评分,以订正技巧来衡量一个预报员的业务水平。     

智能网格预报业务发展前景下预报员作用的思考

利用MICAPS常规数据,陕西现代气象一体化智能网格预报平台预报检验数据,以及陕西天气业务实时评估平台预报评分数据,选取2017年1—6月省级预报员综合主观预报结果与智能网格平台的多模式集成结果进行对比分析,同时选取2017年8月11—14日在西安周边发生的一次分散性强对流天气的预报服务作为个案分析,研究在智能预报发展前景下,预报员在预报业务体系中的位置与作用。研究结果表明,智能预报体系中预报员的作用是不可取代的,但是,预报员的职能将根据气象业务现代化的推进实现角色的转变,常规精细化预报产品将越来越不需要预报员的人工干预,预报员需要更加快速准确地进行灾害性天气的精细化订正,制作针对性服务产品,深入研究灾害性天气的机理,总结预报经验,改进数值预报模型的算法,为提高人工智能的效果提出建议和方法;对预报员的评价体系应该从预报准确率评分转变为灾害性天气订正技巧评分,以订正技巧来衡量一个预报员的业务水平。     

基于C4.5算法的长江中下游地区夏季降水预测模型研究及应用

为了对长江中下游夏季降水进行短期气候预测,利用国家气候中心提供的74项环流指数和NOAA整编的西太平洋型WP指数、MEI指数、ENSO指数等多种全球环流指数资料,归纳整理了影响长江中下游夏季降水的34个前期春季因子,讨论了前期春季因子与夏季降水的关系,并利用这34个前期春季因子通过数据挖掘中的C4.5算法对1951—2013年(63 a)长江中下游夏季降水,建立判别降水偏多以及偏少的两类决策树预测模型,并分别得到5条和7条综合判别规则。随机选取80%左右历史年份数据作为模型的训练集,两模型的训练集准确率分别为94.12%和93.88%,剩余20%年份数据作为模型测试集,模型的测试预测准确率分别达91.67%和85.71%。模型预测应用也显示结果正确。模型研究和应用显示,基于C4.5算法的长江中下游夏季降水预测模型具有较高的预测准确率,模型构建合理有效,判别规则依据大数据理论,广泛考虑相关因子以及因子的排列组合,智能化选择关键因子,易于客观化、自动化实施,为长江流域汛期降水的短期气候预测提供了新的思路与方法。     

南京地区冬季路面结冰天气标准及其预测

本文通过对南京地区1984—2003年20 a 110个降水结冰样本当日温度的统计分析,讨论了南京地区结冰时间变化和各影响温度的变化规律,总结了对结冰预报具有指示意义的关键因子;同时利用支持向量机方法探讨了南京地区结冰预报方法,该方法具有显著的预报价值。在此基础上根据Norrman提出的路面打滑分类,结合南京地区具体情况得出了南京雨雪天气路面结冰的类别、标准和预测预报方法。     

大雪预报失误个例分析

2002年11月6～7日大雪天气过程预报有一定难度，降水预报失误较大。在分析数值预报天气形势、气象要素预报的基础上，阐述了当时预报员的预报思路，分析实时天气形势的演变，指出300hPa上亚洲中部的西北或偏西风急流轴逐渐南压，是诱发实时天气形势突变的触发物理机制。上下层高空槽从后倾转为前倾，不利于强烈的上升运动产生。高空引导气流的演变，导致地面气压路径改变、暖湿空气的配置变化，是预报失误的主要原因。     

飞机积冰预报算法对比及其集成预报模型研究

以人工增雨作业获取的飞机积冰实例资料为基础,利用WRF模式对51次飞机积冰过程进行数值模拟,对比分析了常用七种积冰预报算法对积冰潜势区和强度的预报效果,进而采用评分权重集成法建立了飞机积冰强度集成预报模型,并检验了其预报效果。结果表明:(1)假霜点温度经验法对2002年4月4日积冰个例的预报效果与实况一致,而其他积冰算法预报效果均与实况相差较大;(2)对51次飞机积冰预报效果进行统计检验发现,假霜点温度经验法的预报效果最好,积冰强度预报准确率为72.55%,其次是RAOB法,IC指数法和I积冰指数法次之,改进的IC指数法预报准确率最差,只有19.61%;(3)对比不同积冰算法建立的集成预报模型的预报效果发现,选用IC指数法、假霜点温度经验法、RAOB法进行集成预报时,预报准确率最高,且漏报率、偏弱率及偏强率均能控制在10%以内,比单一预报算法中的最高预报准确率提高了8%,且漏报率降低了4%,偏强率降低了8%。     

用非参数估计技术预报风的研究

该文介绍了使用非参数估计技术制作风的预报试验。为了有一个较完整的历史样本集,试验中使用了1981—2003年共23年的逐日资料。在采用的K近邻非参数估计技术中,由于风的特殊性,其不是标量而是矢量,试验中根据天气学原理,设计和试用了一种根据过程相似性从历史样本集中搜索出近邻子集和新的从近邻子集中挑选最佳样本的方法。试验结果显示,所试用的预报方法不仅使得风的预报Ts评分有一定的提高,同时使得3 d降水量的预报Ts评分也有一定的提高,这表明该方法具有一定的实际参考使用价值。     

成都地区T639数值预报产品本地化预报性能检验

通过对T639数值预报产品中影响成都地区的关键气象要素,从海压场、高空流场和温度场等几方面进行分析检验,了解T639的预报性能,找出它在本地化应用中的特征。通过分析一次重要天气过程中T639数值预报产品的数据,同ECMWF进行各个时效的对比,找出它与目前成熟数值预报模式之间的差距和优势,为预报员在本地化应用中更好的发挥其预报性能做一点参考。     

多模式降水分级最优化权重集成预报技术

为综合不同模式对不同量级降水的预报优势,设计一种全球模式与区域模式结合的降水分级最优化权重集成预报算法,集成经最优TS评分订正法（optimal threat score,OTS）订正后的欧洲中期天气预报中心降水预报产品（以下简称EC-OTS）和华东区域中尺度模式降水预报产品（以下简称SMS-OTS）。以泛长江区域（23°~39°N,101°~123°E）为研究范围,基于2018年不同降水量级的TS评分最优化确定SMS-OTS和EC-OTS在不同降水量级时的最优权重系数以及最优集成方案,并以2019年降水数据为独立样本进行预报试验。结果表明:对于最优权重系数,EC-OTS在低降水量级权重较大,随着降水量级的加大,SMS-OTS的权重也逐渐加大;最优集成方案为初始集成降水量预报取SMS-OTS,集成运算迭代3次;集成预报在几乎所有预报时效、所有降水量级的TS评分均高于EC-OTS和SMS-OTS,其平均绝对误差略小于EC-OTS,显著小于SMS-OTS;集成预报12 h累积降水预报的TS评分较省级预报员主观预报高-0.009~0.041,24 h累积降水预报的TS评分较国家气象中心预报员主观预报高0.009~0.023。     

成都地区T639数值预报产品本地化预报性能检验

通过对T639数值预报产品中影响成都地区的关键气象要素, 从海压场、高空流场和温度场等几方面进行分析检验, 了解T639的预报性能, 找出它在本地化应用中的特征。通过分析一次重要天气过程中T639数值预报产品的数据, 同ECMWF进行各个时效的对比, 找出它与目前成熟数值预报模式之间的差距和优势, 为预报员在本地化应用中更好的发挥其预报性能做一点参考。      

数值预报产品在桂林暴雨预报中的应用研究

利用1998～2002年4～7月间欧洲、日本,2002年5～7月我国数值预报产品进行统计分析,总结出以数值预报产品为主的暴雨预报模式指标。这一模式指标,为日常预报工作中以天气学预报为主转向以数值预报为主奠定良好基础,也为预报员提供客观简捷的预报方法。通过一年的试报探索和一年的实际业务应用,其预报准确率较为理想。     

数据仓库技术在天气预报决策中的应用探讨

文章概述了数据仓库的概念和特点。讨论了数据仓库的数据存储、联机分析处理 (OLAP) 和数据挖掘 (DM) 要解决的主要技术问题, 侧重于数据仓库技术在天气预报领域中的应用。数据仓库技术将原始数据转换为便于分析的数据, 并增强了管理和使用历史数据及特种观测数据的能力, DM能够帮助预报员快速积累经验, OLAP使预报员的分析突破了过去固有框架的限制。文章针对天气预报决策特点提出以天气系统分析为主的数据聚集处理、在OLAP的多维分析之外增加比较分析、多元分析和相似分析功能等扩展, 还指出关联规则的挖掘是目前预报方法研究中值得尝试的新方法。     

降水引发的西南地区公路损毁风险预报方法

降水引发公路沿线滑坡、泥石流及其他灾害频繁发生,已成为引发公路损毁的最重要因子之一。该文利用2007年1月—2013年7月区域 (云、贵、川、渝4个地区) 公路损毁灾害数据、基础地理信息数据及国家气象中心降水量历史资料,通过对灾害发生频次、降水量等资料的统计分析,初步探讨降水与公路损毁灾害的关系,并重点针对公路损毁的降水影响因子 (即前期有效降水和损毁灾害发生当日降水),开发具有普适性的公路损毁概率密度函数及其概率拟合方程,建立公路损毁灾害概率预报模型;综合公路损毁灾害风险区划信息 (即灾害危险性等级) 与降水的等级临界阈值 (即降水危险性等级),建立区域公路损毁的危险性分级预警方案,得出综合的西南地区公路损毁风险预报模型,以1～5级划分, 分别为灾害发生可能性极小、灾害发生可能性较小、灾害发生可能性中等 (注意)、灾害发生可能性较大 (预警)、灾害发生可能性极大 (警报)。该预报方法结合降水危险性等级及公路损毁灾害危险性等级,明显优于仅考虑阈值降水量的判别方法。