卡尔曼滤波方法在高温预报中的应用

用卡尔曼滤波方法制作2000年5月-6月攀枝花市逐日最高气温24小时预报，其预报准确率达86%以上，比主观方法预报提高20%-30%，比常用模式方法提高10-20%。同时，用T106数值预报48h、72h、96h网格资料作相应时段的高温预报，其预报误差≤1.8°；用T106数值预报120h、144h、168h网格资料作相应时段的高温预报，预报误差在1.5～3.3°间变化。该方法预报精度较高，值得推广。     

卡尔曼滤波方法在逐日极端气温预报中的应用分析

利用国家气象中心的T63数值预报产品，采用卡尔曼滤波方法，建立了内蒙古地区（35个站）的逐日极端（日最低、日最高）气温24小时预报方程。于1996年3～11月进行业务试运行，预报结果令人满意，表明该方法有一定的参考和实用价值。     

回归方程在开平市高温天气预报中的应用

对开平市1959—1988、1989-2006年2个时段出现的高温日进行统计分析表明：1989年后开平市日最高气温出现的初日提前,终日推迟,总日数增多,而且极高气温升高。对2005、2006年6—9月的温度、气压、湿度及日照时数等具体气象要素进行相关分析及回归计算后,得出开平市6—9月的最高气温预报回归方程,同时结合晴雨预报对回归方程的解进行筛选,得出高温预报的参考温度值。     

遗忘因子自适应最小二乘算法及其在气温预报中的应用

海量数据的利用是建立自适应预报模型的基础,但随着数据的不断增加,新引入数据的作用会逐渐降低,有可能导致预报模型失效。为克服因数据量增加引起的所谓"数据饱和"现象对天气预报效果的影响,本文给出了考虑遗忘因子的线性自适应最小二乘建模算法的原理和方法,并利用该算法进行了最高气温和最低气温预报试验。结果表明,考虑遗忘因子的线性自适应建模算法优于传统的线性自适应建模算法,加入遗忘因子可以避免产生"数据饱和"现象,适当地选择遗忘因子有助于提高模型的预报准确率。     

威宁县乡镇最高最低气温分析与预报方法探讨

基于贵州省威宁县2012年12月-2018年8月国家基准气候站(以下简称“国家站”)和52个区域自动观测站(以下简称“区域站”)的逐日最高最低气温资料,采用统计学方法和加权最小二乘法,分析威宁县近几年来最高最低气温的变化特征及国家站和部分区域站最高最低气温的相关性。结果表明:四季中,最低气温存在稳定的低值中心和高值中心,而最高气温只存在稳定的高值中心。春、夏、秋季的最高最低气温和冬季的最低气温分布与地形基本一致,但冬季的最高气温分布受地形和滇黔静止锋共同影响却有所变化。根据拟合方程得出的各乡镇气温预报值比直接用EC模式的预报值准确率更高,其误差值≤|2|℃。随着方程相关系数的减小,预报准确率相应降低,误差范围对应增大,预报准确率的高低与相关系数的变化具有一致性。     

卡尔曼滤波在最低气温预报中的应用

用卡尔曼滤波方法制作１９９７年１２月－１９９８年２月商丘市逐日最低气温２４ｈ预报,其预报准确率比常用的ＭＯＳ方法提高３％～４％。     

卡尔曼滤波在相对湿度预报中的应用

用卡尔曼滤波方法,利用 Ｈ Ｌ Ａ Ｆ Ｓ资料制作商丘站１９９６ 年８ 月份每日１４ 时相对湿度预报。经与 Ｍ Ｏ Ｓ方法对比,卡尔曼滤波具有适应性、稳定性、可用性等优点。     

卡尔曼滤波方法在天气预报中的应用

从气象应用角度介绍了卡尔曼滤波的基本原理及其递推算法。为了说明卡尔曼滤波递推算法的应用方法，制作了北京１９９３年１月份逐日最低气温３６小时预报。预报结果令人满意，表明该方法很有实用价值，与ＭＯＳ方法相比，它的优点是不需要收集大样本历史资料，因此，它容易适应数值预报模式的变化。     

卡尔漫滤波方法在四川盆地面雨量预报中的应用

本文用卡尔曼滤波方法释用ECMWF输出产品于四川盆地的面雨量预报。研究结果表明：不对面雨量做任何形式的变换做为预报对象为0小时的ECMWF输出量资料进行面量的模拟结果最好。用订正后的24－144小时ECMWF输出资料于面雨量的预报结果表明，卡尔曼滤波方法对面雨量从无到有的转折性降雨预报具有参考价值。     

卡尔曼滤波方法在四川盆地面雨量预报中的应用

本文用卡尔曼滤波方法释用ECMWF输出产品于四川盆地的面雨量预报。研究结果表明：不对面雨量做任何形式的变换做为预报对象用0小时的ECMWF输出资料进行面雨量的模拟结果最好。用订正后的24-144小时ECMWF输出资料于面雨量的预报结果表明，卡尔曼滤波方法对面雨量从无到有的转折性降雨预报具有参考价值。     

基于GFS产品和卡尔曼滤波的嘉兴市温度客观预报

利用NCEP提供的高时空分辨率的GFS（Global Forecast System）数值预报产品和当地地面观测气温资料,经SPSS（Statistical Product and Service Solution）逐步回归分析,建立了嘉兴市24h和48h日平均气温、最高气温、最低气温初始预报方程,采用卡尔曼滤波方法进行以上6项目的逐日滚动预报。对最近2年来的预报结果检验表明：平均气温的预报效果最佳,最低气温次之,最高气温的准确率相对最低;随着时效增长,误差增大;不同季节,参考价值高的项目各不相同,秋季的最高温度误差较小,而冬季则最低气温准确率最高。分析结果可以作为日常预报中一种有效的参考。     

用卡尔曼滤波制作河南省冬春季沙尘天气短期预报

在分析河南省冬春季沙尘天气气候特征的基础上，筛选出T213数值预报产品中与风速和能见度相关性较好的预报因子，采用卡尔曼滤波方法，分站建立了河南省冬、春季的风速和能见度短期预报方程，并利用相应的沙尘天气分级量化标准，在一定程度上实现了河南省冬、春季沙尘天气的短期分站、分级预报。业务运行时，又增加了两条判别指标进行后处理，有效地消除了液滴对能见度预报的影响，提高了沙尘天气预报的准确率。     

卡尔曼滤波方法在稻飞虱发生等级预测中的应用研究

利用桐城市2005—2007年逐候田间系统调查的稻飞虱百丛虫量数据,分析影响桐城市稻飞虱发生程度的主要的气象因子。分析发现,旬平均气温、候平均气温与系统调查的桐城市稻飞虱百丛虫量均呈显著的负相关,显示高温对稻飞虱发生具有抑制作用,最适宜的候平均气温为20.5℃。应用卡尔曼滤波方法建立稻飞虱发生适宜气象条件等级预测模型,目的在于开展稻飞虱发生的气象条件预警预测,为防虫治虫提供依据。经历史拟合和2008年试报应用,此模型的预测精度较高,可靠性和稳定性都较好,可投入业务应用。     

温特斯法在夏季温度预测中的应用

温特斯法可以对具有随机性、线性、季节性变化的时间序列进行预测,用温特斯法作了一次温度预测尝试。依据温特斯法的基本理论及3个平滑方程的递推公式、初始值公式和预测模型公式,将夏季6、7、8月的月平均温度看作具有随机性、线性、季节性变化的时间序列,应用温特斯法建立了河南省5个代表站夏季温度预测模型,并对2000~2004年夏季温度进行试报,得到了较好的预测结果,平均预测准确率(TS)为75%,此方法可作为预测气温的一种方法,在业务预报中应用。     

数值预报产品在夏季持续高温预报中的释用

利用 1999～ 2 0 0 2年 6～ 8月 96～ 192h日本数值预报产品 85 0hPa气温与吉林省的日平均气温、阶段性高温及极端最高气温 (长春市 )资料 ,通过线性分析 ,找出了日本数值预报产品的 85 0hPa气温与吉林省地面日平均气温、阶段性高温及极端最高气温的对应关系 :吉林省 6～ 8月日平均气温在 96～ 192h的 85 0hPa日本数值预报长春站日平均值上加 6 6～ 4 1℃ ,6～ 8月的极端最高气温在相应的日本数值预报产品上加 9 3～ 13 0℃。     

An Adaptive Estimation of Forecast Error Covariance Parameters for Kalman Filtering Data Assimilation

An adaptive estimation of forecast error covariance matrices is proposed for Kalman filtering data assimilation. A forecast error covariance matrix is initially estimated using an ensemble of perturbation forecasts. This initially estimated matrix is then adjusted with scale parameters that are adaptively estimated by minimizing -2log-likelihood of observed-minus-forecast residuals. The proposed approach could be applied to Kalman filtering data assimilation with imperfect models when the model error statistics are not known. A simple nonlinear model (Burgers' equation model) is used to demonstrate the efficacy of the proposed approach.     

基于支持向量机(SVM)方法的冬季温度预测

选取河南省5个代表站,分别代表河南省5个片,将气候预测中常用的74项环流特征量资料进行归一化处理,分别将其与5个代表站的冬季温度进行相关普查,在筛选预测因子的基础上,利用SVM两类分类和回归方法,建立河南各代表站冬季温度预测推理模型,用2000/2001~2004/2005年4年进行试报,结果显示SVM方法是处理非线性分类和回归等问题的有效方法,做分类和回归预测时,各代表站对应的SVM推理模型均具有良好的预报能力,且对温度预测SVM回归优于SVM分类。