四川省暴雨人工智能神经元网络预报系统的研制

以ＭＳＷｉｎｄｏｗｓ３．１为操作系统而开发的计算机软件．以数值预报产品、动力诊断分析、降水数据库等为基础，综合运用图象识别、人工神经元网络、数据库管理等技术，最后形成完全自动化业务预报系统．     

陕西省人工神经元网络降水年,季度预报系统

利用Ｂ－Ｐ人工神经元网络进行了陕西省年度,季度降水预报试验,提出了利用０－１模型解决多等级预报问题的方法,并建立了年度,季度等级预报模型,经过试验,表明该方法预报效果良好,最后对模式在应用中的一些问题及目前其它预报模型的差异等进行了讨论。     

试用BP人工神经元网络法做感冒指数预报

利用 1 998～ 2 0 0 1年东营市某医院的感冒病人门诊病历 ,将感冒疾病进行分级并以此为预报对象 ,以同期实时气象要素为预报因子 ,根据感冒与气象要素的关系 ,按气候相近的原则分型 ,用人工神经元网络 (BP)算法 ,建立春、夏、秋、冬及春夏、秋冬过渡季节的 6个感冒指数预报模型 ,2 0 0 1年用该模型进行了试报 ,预报准确率在45 %～ 6 0 % ,具有一定的参考价值     

桂林市暴雨预报系统

桂林市暴雨预报系统是对当天的实况资料进行分型,再通过指标法以及结合Ｔ１０６数值预报产品和老预报员经验的基础上制作出的一个应用简便、直观、有效的暴雨预报方法。     

暴雨短时定量预报方法

通过对天气雷达实时回波资料客观分析,定义回波强度梯度,对雷达回波随距离的衰减特征作了客观化订正,使探测资料更接近于实际,计算并组建了大量的天气物理学因子,选用常规数理统计模型,建立湖州０￣２小时雨量预报模型,从而定量地作出超短时暴雨预报。     

牡丹江市大--暴雨中期预报方法研究

应用MICAPS平台所提供的数值预报产品，分析影响牡丹江市大一暴雨的天气系统，并找出关键区域及预报指标，在实际预报中取得了很好的效果。     

辽宁暴雨数值预报产品释用预报方法

综合应用天气动力统计方法,对T106 L19数值产品进行解释应用,制作辽宁夏季暴雨预报。首先将影响辽宁夏季降水的环流分为特定、低涡、台风型,再根据天气动力学逐型选取显著预报因子,最后进型建立进步判别预报方程。天气系统自动识别技术的应用使本预报系统完全客观、自动。对1997、1998年汛期的暴雨过程做出了较准确的预报。     

山西暴雨数值预报系统

山西暴雨数值预报系统冀春晓，赵放（山西省气象台０３０００６）１引言多年来，暴雨的预报一直是很难解决的问题之一。随着科学技术的发展和计算条件的改善，数值预报渐渐成为气象预报的主要发展方向，而根据实际计算条件，研究适合本地区暴雨数值预报模式系统就显得非常...     

B—P神经元网络在山西省暴雨预报中的应用

Ｂ－Ｐ神经元网络是一种解决非线性问题的数学模型，我们在暴雨预报中，以它的自学习功能为主线，结合预报员的预报经验，选择有利的气象因子，利用１９８０￣１９９２年的历史气象资料，初步完成了Ｂ－Ｐ神经元预报暴雨的模型。     

数值预报产品省级降水预报B—P神经元网络释用系统

引言一切科学都是向客观定量的方向发展,气象科学也不例外。近几年,利用数值预报产品作为解决天气预报客观化、定量化的途径之一,已引起人们的重视。以往的实践也证明,数值产品对于常规的各种天气要素的预报具有一定的参考意义和使用价值。鉴于以上原因,利用数值产品...     

强降水预报思路引导系统

数值预报是提高日常天气预报准确率的最有效手段和技术,本系统能帮助预报员在较短的时间内对所关心的天气系统确立正确的预报思路。     

强降水预报思路引导系统

数值预报是提高日常天气预报准确率的最有效手段和技术,本系统能帮助预报员在较短的时间内对所关心的天气系统确立正确的预报思路.     

交叉熵神经网络及其在闽北大雨以上降水预报中的应用

基于误差平方和最小化准则的BP神经网络(ANN-MSE)并不适合解决小概率天气事件的预报问题,引进一种改进的以交叉熵函数为目标函数的神经网络方法(ANN-CE),该法是一个三层反向传播神经网络,其输出层只用一个节点.利用2003-2008年的ECMWF预报场资料,把该法用于福建省南平市4-6月部分大雨或以上降水96h预报中,分别用原始因子和PCA降维后的主因子建立了ANN-CE预报模型和ANN-MSE预报模型,用这些模型对2009-2010年独立样本进行了试报.测试结果显示主因子预报模型TS评分比原始因子预报模型高且漏报次数少,其中,主因子ANN-CE预报模型的TS评分和漏报率分别是0.51和0.17,其性能是所有模型中最好且最为稳定的,是一种适合于小概率事件预报的方法.     

KNN方法在贵州晴雨预报中的试验

使用2003—2007年T213数值预报产品和贵州省08-08时日降水量资料,建立了贵州省9个站的KNN晴雨预报模型,并对2008年进行了预报试验。在搜索K邻近域的过程中,与传统的KNN方法相比,求取了不同类别的K值,即K+、K-,使该方法选择的最邻近域中的K值取得更为合理。通过对历史资料的反复交叉验证求取了最优的K+、K-值组合。最后对2008年贵州省9个站进行预报试验并评估。预报评估结果表明:KNN方法总体上降低了预报空报率,提高了晴雨预报的TS评分和预报准确率,特别是对24h和48h,KNN方法在对贵州降水预报的数值预报解释应用中有一定的效果。     

周口市暴雪及冬季强降水预报

利用欧洲中心数值预报产品格点报实况场资料,统计分析了周口市1986～1997年11月至次年2月强降水天气的基本天气形势及特点,找出预报指标,建立1～6天暴雪及冬季强降水预报业务系统,产品上网运行.     

用多因子组合集成预报陕西关中大降水

分析影响陕西关中大降水的因子,选取9个对大降水贡献显著的因子,包括T213数值预报产品,单站观测数据,卫星云图,环流特征等,并进行相应的概率分析以及实践经验订正,对各因子信息的可信度分档分类赋值,再组合集成预报陕西关中大降水,预报结论可靠性较好.     

遗传算法优化的BP神经网络在地面温度多模式集成预报的应用研究

基于TIGGE资料集中的ECMWF、CMA和JMA的数值预报产品,利用加权集成、回归集成和消除偏差集成等线性集成方式与遗传算法优化的BP神经网络(GABP)集成,对我国大部开展地面2 m温度在24 h、48 h和72 h预报时效的多模式集成预报试验。通过对2013年1—6月的预报检验,结果表明:GABP集成预报效果有较大提升,均方误差明显小于各单一模式预报。GABP集成的误差分布在新疆和华北均方误差较大,但是在预报效果改进上GABP集成在西部地区相对单一模式的误差减小更加明显。在进行几种多模式集成方式时,GABP集成相比线性方法预报结果更加精准。对于天气过程个例的预报,GABP集成预报出预报量的变化趋势,预报效果优于单一模式和线性集成预报。无论是较长时间段还是短时间的天气过程,在改进预报效果上GABP集成都起到了最佳的作用。     

高阶递归滤波在一次暴雨预报中的数值试验

为了考察具有多种特征尺度四阶递归滤波器在极端暴雨事件预报中的应用效果和能力,利用GRAPES三维变分同化系统,对2007年7月16—19日的川渝暴雨过程进行了模式分析。共开展了3组模拟试验：第一组试验在模式中使用单一特征尺度的一阶递归滤波;第二组试验在模式中使用由3种不同特征尺度的四阶滤波拟合而成的四阶递归滤波;第三组试验在模式中使用由3种不同特征尺度的一阶滤波拟合而成的一阶递归滤波。结果表明,具有多种特征尺度的递归滤波的预报效果要好于单一尺度的递归滤波。相比而言,由3种不同特征尺度的四阶递归滤波对预报的改进最大,不论是降水的落区还是降水的强度都有很大程度的改善,对水汽的调节更为理想。     

湿热力平流参数在贵州初夏强降水中的运用

使用NCEP(1°×1°)再分析资料计算湿热力平流参数及其积分,通过对比分析2008—2009年初夏(5—6月)地面实况降水与该因子积分后的中心大值区的对应关系。理论分析表明:湿热力平流参数综合体现了锋区附近大气的动力、热力及水汽作用,相对于常用的相当位温、湿度等常用物理量来说,在一定程度上包含了广义位温及位温平流的相互作用,对实际非均匀饱和大气的动热力变化及水汽有较好的反映。统计分析也表明:积分后的湿热力平流参数中心值区与地面6小时强降水落区有较好的对应关系,它的变化趋势及移动方向与强降水区的变化也较一致,能作为短时强降水落区预报提供参考;利用NCEP/NCAR(1°×1°)再分析资料和Micaps地面实况降水资料,选取2009年6月7-9日发生在贵州的强降水过程为例,通过把湿热力平流参数与此次过程中动、热力场结合进行诊断分析,进一步表明该参数能综合地反应锋面强降水系统中的水汽、动力及热力的垂直结构特征,能作为造成强降水的锋面系统的示踪物。     

基于BP神经网络的浙北夏季降尺度降水预报方法的应用

利用NCEP提供的全球空间分辨率为2.5°×2.5°、2007—2012年6—8月日平均500 h Pa高度场再分析格点资料和浙北地区158个站点观测资料,研究了不同大气环流型下局地降水与大尺度降水场之间的关系,以4种不同环流型下的预报对象和预报因子分别采用BP神经网络方法对观测资料进行逼近,得到4种空间降尺度的预报模型,分析对比4种预报模型158站逐日的降水量的预报。结果表明:神经网络模型的隐层节点数为2时,对降水的拟合效果最好;对降水的极值拟合效果中,环流分型中NW型和C型的效果优于SW型和SE型;从4种分型下的误差空间分布来看,浙北地区沿海的宁波、舟山一带的误差小于浙北其他区域;把雨量分等级后进行预测,发现模型对暴雨的预测能力最好。