"中国气象数值预报系统技术创新研究"业务化试验

由于一部分成果已经可以进行业务化试验,为了促进科研成果及时转化为业务能力,同时也为了通过业务试验来促进科研成果的进一步优化,并帮助业务部门应用最新科技成果,项目及时组织阶段成果的业务试验.一方面项目研发人员与国家气象中心联合组织成果业务试验小组,并在各区域数值预报中心建立了多个业务试验基地,另一方面又及时召开阶段成果的推广应用会.目前项目开发的变分同化系统已建立了国家级的并行试验系统,并在广州、辽宁等区域气象中心实现了实时运行试验,这些试验的结果又及时反馈给课题研究开发组,对研究开发成果的进一步优化提供了线索与依据.     

中国气象数值预报技术创新研究

科技部2001年11月正式下发文件（国科发计字[2001]481号）,将此项目列入“十五”国家重点科技攻关计划,并委托中国气象局组织实施。项目启动新闻发布会12月29日在中国气象局隆重举行。 主要目标:于可预见的时期内（21世纪初叶）,在具有高性能巨型计算机能力和可获得高时空分辨率气象观测资料条件下,充分吸收国内外的研究新成果,自主开发建立起中国新一代气象数值预报体系。     

中国气象数值预报技术创新研究

国家科技部2005年12月30日在北京组织召开了“十五”国家重点科技攻关计划“中国气象数值预报技术创新研究”项目验收会议，由11名名专家组成的专家组同意该项目通过验收并给予了高度评价。标志着项目圆满完成国家“十五”攻关项目“中国气象数值预报技术创新研究”的各项研发任务。     

中国气象数值预报系统技术创新研究

2003年12月26日，中国科技部农村与社会发展司在北京主持召开了“十五”国家重点科技攻关计划“中国气象数值预报技术创新研究”项目阶段验收及后续滚动可行性论证会。验收专家委员会一致同意通过验收，提出以下验收意见：     

中国气象数值预报系统技术创新研究

项目启动以来,经过课题组成员一年半卓有成效的努力工作,各课题都按照项目专家组批准的年度计划,顺利开展了研究工作.     

中国气象数值预报技术创新研究

项目启动会于2006年11月13日在北京召开。许小峰副局长在会上指出，该项目集中了我国气溶胶各领域研究的精兵强将，有着深厚的研究基础和创新能力。项目首席科学家张小曳研究员做了项目总体情况报告，介绍了研究意义、总体目标、关键科学问题、主要研究内容、总体研究方案、项目主要学术骨干等诸多方面内容。中国气象科学研究院是该项目的主持单位。本项目要实现以下3方面的科学目标：（1）取得对中国大气气溶胶特性、分布和变化的准确与系统的科学认识；     

国家气象数值预报创新基地--气象数值预报研究中心即将成立

气象数值预报是气象业务与服务的重要基础,改革开放以来,我国的气象数值预报有了很大发展,但其科技水平与业务效果与发达国家还存在很大差距,从而制约了我国气象预报水平与服务效益的提高。为了实现我国气象数值预报的跨越发展,中国气象局决定集中优秀的科技人才,在中国气象局各业务单位的设备资源共同支持下,在中国气象科学研究院组建国家气象数值预报创新基地,即气象数值预报研究中心,并于２０００年１０月批准了组建方案。它是国家科技创新体系的重要组成部分,是中国气象局新一代气象数值预报系统研究开发基地与人才培养基地。…     

T63中期数值天气预报谱模式

简要地介绍了国家气象中心中期数值天气预报模式，并且，给出了业务７天预报初步结果，其有效预报达５－６天。     

数值预报产品在24h大降水预报中的应用

数值预报产品，尤其是T106提供了大量的物理量的预报产品。本文从T106的产品中挑选了4个物理要素，将其运用到2000年乌鲁木齐地区大降水的预报之一，得出一些有参考价值的经验。     

数值预报产品对寒潮天气过程的预报能力检验

2008年冬季,河北省连续3次出现了大范围的寒潮天气过程,为近10 a来之最。特别是2008年12月3～5日为历史同期最严重的一次寒潮天气过程。从3次过程的大气环流特征、冷空气强度及影响路径、要素特征等方面分析比较T213和欧洲数值预报产品(EC)与实况的异同,检验不同数值预报产品对寒潮天气过程的预报能力,为以后更准确地预报寒潮天气提供一定的参考依据。分析结果表明:T213和EC数值预报产品都能预报出寒潮爆发的典型特征,而T213具有更高的时空密度,对提高寒潮天气的精细化预报水平有更大帮助。     

电视天气预报制作系统

电视气象服务是气象服务的重要窗口之一。电视天气预报制作系统将计算机技术，电视技术和气象预报产品有机地结合起来融为一体，该文介绍了国家气象中心电视天气预报制作系统的系统设计思想，系统结构、系统分析，计算机动画技术和音／视频技术，节目内容及取得的效益，同时提出了我国气象部门国家，省，地三级电视气象服务系统的发展方向。     

Long Range Forecasting Indian Summer Monsoon Rainfallby a Hybrid Principal Component Neural Network Model

Summary  The existing methods based on statistical techniques for long range forecasts of Indian monsoon rainfall have shown reasonably accurate performance, for last 11 years. Because of the limitation of such statistical techniques, new techniques may have to be tried to obtain better results. In this paper, we discuss the results of an artificial neural network model by combining two different neural networks, one explaining assumed deterministic dynamics within the time series of Indian monsoon rainfall (Model I) and other using eight regional and global predictors (Model II). The model I has been developed by using the data of past 50 years (1901–50) and the data for recent period (1951–97) has been used for verification. The model II has been developed by using the 30 year (1958–87) data and the verification of this model has been carried out using the independent data of 10 year period (1988–97). In model II, instead of using eight parameters directly as inputs, we have carried out Principal Component Analysis (PCA) of the eight parameters with 30 years of data, 1958–87, and the first five principal components are included as input parameters. By combining model I and model II, a hybrid principal component neural network model (Model III) has been developed by using 30 year (1958–87) data as training period and recent 10 year period (1988–97) as verification period. Performance of the hybrid model (Model III) has been found the best among all three models developed. Rootmean square error (RMSE) of this hybrid model during the independent period (1988–97) is 4.93% as against 6.83%of the operational forecasts of the India Meteorological Department (IMD) using the 16 parameter Power Regression model. As this hybrid model is showing good results, it is now used by the IMD for experimental long-range forecasts of summer monsoon rainfall over India as a whole. Received August 20, 1998/Revised April 20, 1999     

融安县倒春寒的长期预报

选取４ 个与历年倒春寒相关关系较好且因子间相关系数较小的前期因子, 用有效指数法建立融安县倒春寒预报方程, 预报效果十分理想     

和预报员谈数值预报

用尽可能非专业的词语,向预报员介绍数值预报的成就、问题与应用。在简单回顾数值预报发展历史的基础上,重点分析了近十几年来数值预报的主要技术进步与有待解决的问题,对比了数值预报与主观经验预报的各自优势与不足,提出了优势互补对于提高业务预报的重要性。还分析了数值预报的技术进步对于数值预报产品释用的影响,以及预报员参与数值预报发展的可能性与必要性。     

大到暴雪天气模型及数值产品释用预报方法

用欧洲数值预报产品格点资料,对1986年11月-2002年3月河南省出现的87个大到暴雪个例进行对比分析,将大到暴雪划分为3个类型,即高原低槽型、阻高-横槽型和L型,对每个型进行合成平均,建立了大到暴雪的天气学概念模型。为提高样本中大到暴雪的概率,先将样本进行消空处理,然后选取物理意义清晰、天气学意义明确的预报因子,分别建立了全省分片大到暴雪1-7 d预报方法,在业务试应用中取得了较好的预报效果。     

江苏省综合天气预报专家系统

综合预报专家系统是以智能数据库为核心的专家系统。系统主要用Turbo-C,Turbo-Prolog和Basic语言等编写实现。系统具有实时资料客观分析和天气系统模式识别;历史和实时智能数据库;系统动态演变相似过程预报;物理量诊断分析;专家经验预报;综合决策支持系统等6大模块组成。各模块相对独立,又可联接一起运行。整个系统结构设计新颖合理,功能齐全,是一个综合天气预报专家系统的通用外壳和业务流程。     

应用转移概率法作特殊天气项目的预测

运用转移概率方法对阿克苏市历年开春、入冬期和霜冻日期等特殊天气项目序列进行分析研究,揭示出程序列状态之间的转换规律,并利用最大概率预报原理对各项目进行预测,预报效果显著,说明转移概率方法对特殊天气项目的预测具有实际应用价值。     

关于天气预报问题

天气预告昔日各国完全采用经验法(Empirical method);自挪威学旅之气团分析,及极面学说发生以後,最近各国已次续采纳。我国在十年前,竺可桢氏已有介绍文章,吕炯先生在数年前亦曾应用极面学说分析长江下游之风暴。其後有黄厦千,赵九章,朱炳海诸先生亦曾致力於气团分析工作,皆具卓见。近日有涂长望先生之中国气团分     

大到暴雪天气模型及数值产品释用预报方法

用欧洲数值预报产品格点资料,对1986年11月-2002年3月河南省出现的87个大到暴雪个例进行对比分析,将大到暴雪划分为3个类型,即高原低槽型、阻高-横槽型和L型,对每个型进行合成平均,建立了大到暴雪的天气学概念模型.为提高样本中大到暴雪的概率,先将样本进行消空处理,然后选取物理意义清晰、天气学意义明确的预报因子,分别建立了全省分片大到暴雪1-7 d预报方法,在业务试应用中取得了较好的预报效果.     

基于数值预报和随机森林算法的强对流天气分类预报技术

随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势。本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,基于2005—2016年NCEP 1°×1°再分析资料计算的对流指数和物理量,开展强对流天气的分类训练、0～12 h预报和检验,经2015—2016年独立测试样本检验表明,针对强对流发生站点的点对点检验,整体误判率为21. 9%,85次强对流过程基本无漏报,模型尤其适用于较大范围强对流天气。随机森林算法筛选的因子物理意义较为明确,和主观预报经验基本相符,模型准确率高,可用于日常业务。