共查询到20条相似文献,搜索用时 937 毫秒
1.
印江县地处梵净山西侧,每年平均有2~3次大—暴雨过程。在制作其长期预报时,应用韵律关系的概念,着眼于预报月最大两次降水过程出现日期。通过因子筛选,优先使用秋末、春初连晴骤雨日期、连晴无雨中间日期、单独雷阵雨日期(前后至少保证1天无雨,雨量足够大)三个因子;若某月连阴雨日期长,不满足上述条件,则选用最长连续降水中间日期(月最大降水出现在此时段)、准5个月最大与次大降水中间日期(与其它时次降水量比至少差5mm以上)作为预报因子。 相似文献
2.
应用1989~1994年资料,以76个样本为分析研究对象。利用统计学方法。从可能影响雷雨的11个因子中找出效果较好的5个因子,建立数据化预报模式,实现人机对话。 相似文献
3.
广西原料蔗产量大气环流因子预报模式研究 总被引:3,自引:0,他引:3
本文分析了我区代表性的15家糖厂及7个地区、3个市的原料蔗产量与大气环流因子的关系,并同时分析的大气环充因子与甘蔗产量关键期主要气象因子之间的关系,建立了有关糖厂、地的甘蔗产量大气环流因子预报模式,为进行原料蔗产量预报增加了一种新的方法。 相似文献
4.
5.
将武汉天空云量预报的81个预报因子运用到该站中等以上强度的降水预报中,基于SVM方法进行了交叉验证和预报试验。结果表明用81个预报因子建立的5~9月和全样本的降水预报模型有较好稳定性、且对降水都有正的预报技巧。因此天空云量的预报因子可以用来做降水的预报因子,同时也证明了这些预报因子在天空云量和降水预报中是协调的。SVM方法为天空云量和降水的预报提供了客观参考依据。 相似文献
6.
7.
利用计算机技术,将预报因子选取、方程建立和样本拟合融为一体,建立了预报因子选取及方程建立人机交互平台。该平台包括文件信息,因子初选和回归分析三个模块:(1)文件信息模块主要是读取预报对象文件和预报因子文件,显示并检查文件头信息样本长度的一致性;(2)因子初选模块主要是计算各气象要素或物理量场中每个格点因子与预报量之间的相关系数,构成各相关场,分析这些相关场及其关键区域,从中筛选出组合因子;(3)回归分析模块是对选入的组合因子与预报对象进行逐步回归计算,建立预报方程,并根据回归方程参数和样本拟合率,通过改变因子引入和剔除标准来调整回归结果。 相似文献
8.
9.
10.
为了提高对武汉天河机场夏季强雷雨天气预报准确率,利用极值剔除法选取了5个预报因子;这些因子分别与中低层大气和地面的温度、湿度等要素有关。将预报结论与天气实况进行对比后发现:极值剔除法所得的预报因子可以有效地减少夏季强雷雨的漏报率。 相似文献
11.
12.
本文在大-暴雨mos预报中应用概率变换法进行对比分析,结果表明:概率变换法能提高预报因子与预报对象之间的线相关性,扩大了预报因子的选取范围,改善了方程中的因子组成结构,使方程的历史拟合率和预报准确率有明显的提高。 相似文献
13.
利用MIACAPS平台及本站资料,选取了7个预报因子,建立大-暴雨预报模式,该模式充分利用县局现代化通讯设备,得出了易于操作的大-暴雨预报方法。 相似文献
14.
15.
通过对三门峡市1997-2001年6-8月雷达资料及地面、高空气象资料统计分析,挑选出4个与短时暴雨相关性较好的预报因子,利用概率回归方法,建立了短时暴雨预报方程。 相似文献
16.
插值预报的一种新方法及其在降水预报中的应用 总被引:1,自引:1,他引:0
本文针对经典插值预报方法存在的不足,遵循插值预报的基本原理,提出了插值预报的一种新方法,此方法的实质是考虑了预报系统中不同预报因子对系统的最后演变结果的不同作用,将此方法应用于云南18个测站五月雨量的预报中,结果表明,此方法无论在历史预报方面还是在外推预报方面均具有良好的稳定性和预报精度。 相似文献
17.
利用ECMWF格点资料,设计了5种不同的预报因子选择方案,运用卡尔曼滤波方法制作1999年11月-2000年2月逐日14时温度预报,通过考察准确率,均方差,平均绝对误差,确定了最优因子选择方案。 相似文献
18.
19.
近年来,随着数值预报产品预报质量的逐年提高,利用数值预报产品建立客观预报工具的条件已经成熟。作为一种尝试,作者采用经验回归模型与天气系统订正相结合的综合预报方法,建立了一个客观预报工具。利用2001年12月至2003年2月共14个月T213的3h降水量48h预报、T213的850hPa 48h水汽通量预报、T213的850hPa 48h水汽通量散度预报、日本48h降水预报格点资料、日本700hPa的48h垂直速度预报格点资料、北京24h降水预报资料、等共六个因子作为预选因子。在属于格点数据的因子中均挑选出各预报站点附近的六个格点,通过距离权重插值法将各站附近的点插值到站点,形成新的时间序列。北京24h降水预报资料是MICAPS第14类数据,经过解码后可直接得到站点资料。利用所得到的新的数据序列与对应各站的历史降水资料作逐步回归分析,各站一致通过F=3.0置信检验的因子均为T213的48h水汽通量预报、日本48h降水预报格点资料、北京24h降水预报共三个因子,利用这三个因子建立柳州区域各站24h降水预报共12个方程。利用上述模型对历史资料进行回报,效果较好。对2003年3月下旬至4月的试报发现,该模型对于晴雨定性预报效果较好,但对降水定量预报上有较大误差,特别是对于较大的降水过程预报降水量偏小。为了改变这种情况,作者考虑到利用天气系统来订正的方法,即利用500hPa和850hPa08时中央台天气分析图上的低涡、槽线、切变线和台风位置等天气系统及其位置来订正方程的预报。订正后,经3个月的预报发现,效果明显改观。为便于评分,将预报结果按业务规定以无雨、小雨、中雨、大雨、暴雨五个量级输出。至此,整个工具建模基本完成。本工具经过八个多月的运行,证明预报效果较好。最好的预报成绩是TS分56分,平均成绩为TS 44分,基本达到人工预报的水平。 相似文献
20.
本文从所选取的四个因子中进行多级逐步判别后,引入两个因子,建立预报方程。此方程具有定性和定量预报意义,经过四年使用,效果较好. 相似文献