中小区域短临泥石流滚动预报系统的研制

将GIS技术与中小区域泥石流短临预报相结合,建立了基于多普勒天气雷达探测技术的中小区域短临泥石流滚动预报业务系统,实现了凉山州泥石流无缝隙的滚动预报,预报间隔为1 h,预报时效为3 h。模拟预报结果表明:系统可应用于预报业务。     

基于ConvLSTM的广西短临降水预报

针对传统雷达回波外推算法在快速增长或消散降水过程预报精度较低的问题,利用华南雷达回波拼图资料数据,建立ConvLSTM回波外推模型,对广西区域范围进行短临降水预报研究.采用气象业务中的正确率(POD)、临界成功指数(CSI)及误报率(FAR)评判标准检验预报模型,并将ConvLSTM与光流法的预报结果进行对比分析.结果 表明,ConvLSTM模型的CSI、POD分别比光流法提高0.06和0.059,而FAR下降了0.058.ConvLSTM方法比光流法的回波外推预报准确率高,该方法可为广西短临降水预报提供新的参考.     

凉山山地强降雨型泥石流灾害雷达短临预警技术研究

基于2006~2011年的泥石流灾害案例、强降水观测资料、GIS技术及对应的雷达回波信息,研究了凉山地区基于强降雨型雷达回波信号的泥石流灾害的短时临近预报预警技术,根据群发、大型、中型、小型泥石流灾害级次的最强回波强度、回波高度、强降水回波持续时间信息,结合下垫面地质灾害隐患点信息,提出了凉山地区泥石流发生的短临预警指标;依托雷达回波对降水云团信号的显著性、连续性探测显示特征以及GIS技术,建立了凉山地区泥石流灾害短临预报预警系统,极大地增强了凉山地区防灾减灾应急处置能力,对凉山地区地质灾害防治工作具有重大意义。      

基于均生函数的风电场风速短临预报模型

风电场风速短临预报是风电预报业务的重要环节之一.选取2011年1、4、7和10月河北及内蒙古两地的两座测风塔观测资料,综合采用均生函数、灰色关联度和多元回归等多种统计预报方法,建立了一套分站点的、15 min动态滚动的未来0～4 h风速短临预报模型.实际对比分析表明,所建模型比传统ARMA模型的月平均预报误差减少了2.2％～10.8％,在实际中具有重要的应用价值.     

人工智能在短临降水预报中应用研究综述

短临降水预报是一项重要且具有挑战性的世界性难题.研究人员曾尝试使用各种技术预报降水,但是由于降水本身具有高度非线性、随机性和复杂性的特性,使得降水预测精确度并不高.近年来,随着人工智能技术的迅猛发展,其日渐渗透到人们生活的方方面面,气象领域也因此得益.人工神经网络能够对非线性系统进行建模,因此相比于传统方法,如数值天气预报法和光流法等,人工智能方法使得降水预报的准确率大大提高.本文介绍了传统降水预报的方法,着重总结概括了用于短临降水预报的各种最新人工智能方法,并对各研究方向进行归纳分析,为各类研究人员研究提供有益参考和借鉴.     

广西大风短临预报预警方法的研究与应用

分析了大风短临预报的现状、困难和原因,重点介绍数据挖掘技术在广西大风短临预报预警方法研究中的应用,利用2019年7月11日—9月11日期间的数据,对广西大风短临预报预警系统的预报能力进行TS评估和时效性检验,结果表明:该系统对广西89个台站所做的大风蓝色预警、大风黄色预警,以及不分级TS评分检验,预报准确率达到18%以上,具有较好的准确率和提前量。     

基于GRU神经网络的雷州半岛近海岸能见度短临预报研究

近海岸大气能见度变化具有复杂的非线性和局地性特征,且近海岸气象观测站少,一直是精细化预报业务的难点。利用GRU(Gated Recurrent Unit)神经网络,采用广东省湛江市国家基本气象站及其周边上下游观测资料,构建了雷州半岛近海岸能见度1 h时效短临预报的多站GRU模型、单站GRU模型和逐步回归预报模型,并进行了检验评估。结果表明,相比传统的逐步回归方法,GRU神经网络能更好地识别上下游能见度的时空变化特征,多站GRU模型平均绝对误差(MAE)、均方根误差(RMSE)、决定系数(R2)评分均明显好于多元逐步回归模型。模型结构对能见度短临预报效果至关重要,将上下游的气象特征引入到能见度短临预报模型可显著提升预报效果。多站GRU模型在个例检验中较单站GRU模型的MAE、RMSE分别下降了36%和29%,R2提高了30%,表明多站GRU神经网络对能见度预报具有明显优势,为近海岸能见度的精细化短临预报提供了新思路。     

基于ConvLSTM机器学习的风暴潮漫滩预报研究

风暴潮是指由强烈的大气扰动所导致的海面异常升高现象,由热带气旋引起的风暴潮常对沿海地区造成巨大的社会经济、人类活动和生命财产危害。依靠数据驱动的强非线性映射能力的机器学习方法较传统数值模式预报在耗费研究资源和计算时间上更具优势。本文选取广东省珠江口为研究区域,基于卷积长短时记忆网络（Convolutional LSTM network,ConvLSTM）机器学习算法展开风暴潮漫滩预报研究,利用由再分析资料驱动的数值模式产品构建了历史台风漫滩数据集,用于机器学习模型训练、验证和测试。研究了两种预报方式,一种是基于海表面高度场的自回归预报,另一种是依赖预报风场和初始海表面高度场进行的预报;它们可以实现基于数据驱动的风暴潮漫滩预报,其中自回归预报模型表现更优。相较于传统动力学数值预报,基于数据驱动的ConvLSTM预报模型结构更为轻便,所需驱动数据更少,在缺少边界条件、地形、径流等信号时,在短临预报中仍能基本复现数值模式模拟的结果。     

高原山地短临预警预报系统的设计与构建

高原山地地区由于其特殊的地形地貌与雷达资料障碍问题,利用SWAN系统的本地化建立强对流天气的短临预报系统非常困难。本项研究以西藏高原地区为例,基于MICAPS和SWAN系统平台的特征,考虑目前气象台站预报员对计算机分析预报系统的使用习惯,利用现有卫星遥感资料、自动站资料、闪电定位资料和常规气象要素等观测资料,以及已研制的有关西藏地区天气学模型、动力统计诊断指标和经验预报模型等,设计构建了西藏地区短临天气预警预报系统,通过VB语言环境实现了能集成MICAPS和SWAN系统的信息分析功能、适合西藏地区短临天气预警预报的实用系统。本项研究的系统集成思路将为不同区域气象预警预报系统的本地化和区域化提供有益的探索思路和实现技术,具有重要的实践指导意义。      

暴雨型泥石流多层预报系统的研究

本文采用数值天气预报模式、静止气象卫星云图、雷达回波和遥测雨量计四种手段进行大气降水的预报与监测,提供不同时空尺度的降水预报产品,构建不同时空尺度满足不同精度要求的泥石流预报系统。该系统具有区域与沟谷相结合,时空尺度合理嵌套的优点,由四川省范围、凉山州地区以及单沟泥石流预报模型组成,可进行不同层次的泥石流预报,能满足不同层次的泥石流减灾要求。