重建动力系统方法制作月降水量预报的试验

利用时间滞后延拓相空间的方法，将南京地区一维月降水量资料序列拓展成高维相空间，计算得到降水系统的分维数为３．６，表明该系统是一混沌系统，其自由度最小取４。在具有二次非线性项的假设下求解设定的动力系统程数，建立降水预报方程。预报检验结果表明，利用该方法作局地降水气候预报具有一定的准确度。     

用北太平洋海温场资料制作月降水量预报

使用东营市1963-1996年逐月降水量资料和1962-1996年北太平洋海温资料，采取滚动式相关分析方法，建立了备选因子集。另外，应用逐步回归、最优子集回归、人工神经元网络、多因子EOF迭代等四种统计方法，分析了东营市月降水量与北太平洋海温场的关系。结果表明：东营市月降水量与北太平洋海温场存在显著相关；采用四种统计方法制作东营市月降水量预报，其预报效果均较好。     

夏季分县降水量集成预报试验

将国家气象中心Ｔ１０６和ＨＬＡＦＳ、山西省气象台ＢＰ神经元和动力相似方法输出的降水预报值作为预报因子,运用灰色理论分别将以上４个预报因子原始数列和降水实况数列作一次累加生成处理,分别得到随机性被弱化的单增数列,用卡尔曼滤波法进行递推计算,得到降水预报值。将得到的降水预报值作还原处理,即累减生成后,最终输出降水量分县预报。此方法用于１９９８年夏季,取得了良好的预报效果。     

提高月降水量预报精度的一种尝试

用原始数据建立的多元自回归预报模型,虽然对气压,气温,绝对湿度的预报精度很高,但对月降水量的预报粗度较低,改用自典型相关因子建模,大大提高了月降水量的预报精度,对气压,气温,绝对湿度的预报亦有所改进。     

用积云参数及数值预报产品作对流性降水量模拟试验

应用部分实时资料和数值预报输出产品，以积云参数化为基础，依据湿绝热过程中饱和湿静力能量守恒原理，并通过克拉贝龙方程转换，实现积云形成所需不汽凝结量及积云面积比等积云参数的计算，进而实现对流性降水量的模拟计算，对计算值再做经验订正，建立对流性降水量的经验预报公式，预报效果较好。     

用非线性映象法作钦州市月降水量预报的研究

选取反映大气环流作用的500hPa的三个因子场：1956—2001年环流特征量、振幅和位相资料作为预报因子与钦州市1957—2002年5月降水量求相关比，将求得的高相关比因子用非线性映象法制作钦州市1995—2002年5月的降水量预报，试报效果明显。     

Lyapunov 指数预报模式

考虑到系统在吸引子附近的演化行为是指数辐散的,我们把浑沌理论和统计原理相结合,提出了Lyapunov指数预报模式。个例试验的结果是令人满意的。     

基于遗传神经网络的乡镇降水量预报方法试验

利用T213数值预报产品.采用遗传算法与神经网络相结合的方法,进行了乡镇降水量预报模型的预报建模研究;并将这种遗传一神经网络乡镇降水量预报模型与逐步回归预报方法和中尺度模式降水输出结果进行对比分析,试验预报结果表明,遗传-神经网络方法在大雨以上降水具有更好的预报能力.     

用多元混合门限回归进行汛期降水量预测试验

在综合考虑预测对象的周期变化和前期外部因子的共同作用后,给出带有周期分量的多元混合门限回归模型。通过青岛汛期降雨量的7年预报试验表明,该模型具有较为稳定的预报能力,值得进一步研究应用。     

长期降水量预报途径的探讨

本文对上海近30年（1951－1980年）降水时间序列的属性进行了分析，由此建立了旬降水量游程序列和距平势序列预报模型，并预报了未来降水量的大小，效果较好。     

相似离度在钦州市月降水量预报中的应用

试用钦州市4月份降水量与前期500HPA各月平均高度场作相关分析，选择一批优势相关区，并用历年各优势相关区内相关系数г绝对值大于等于0.4且点数为3点以上并连在一起的所有格点的平均值与预报年的相应区域内格点平均值作相相似离度计算，预报4月雨量。并将1996-2001年作为试报年，结果6年报对5年，准确率为83%/     

相似离度在钦州市月降水量预报中的应用

试用钦州市 4月份降水量与前期 5 0 0 HPA各月平均高度场作相关分析 ,选择一批优势相关区 ,并用历年各优势相关区内相关系数 r绝对值大于等于 0 .4 ,且点数为 3点以上并连在一起的所有格点的平均值与预报年的相应区域内格点平均值作相相似离度计算 ,预报 4月雨量。并将 1996～ 2 0 0 1年作为试报年 ,结果 6年报对 5年 ,准确率为 83%。     

利用雷达作累积降水量临近概率预报的模式

本文提出了一个根据天气雷达资料制作定点累积降水量的概率预报新模式。该模式选择了预报点上风方向的一个源区。考虑在该源区内的所有象元（水平尺度２×２Ｋｍ２）命中预报点的概率相同。假设一个命中预报点的象元在那里产生短时（约１０分钟）降水。绘制一张图，就可以得到预报的第一阶段累积降水量的频率分布。第二张图给出了第一阶段到第二阶段期间累积降水量的频率分布。第三张图给出了第一阶段到第三个阶段期间累积降水量的频率分布，以此类推，直到预报期结束为止。已经完成并验证了许多具有０，１和２小时引导时间的１小时累积降水量的预报。具有０小时引导时间的预报获得了最高Ｂｒｉｅｒ技术评分，１ｍｍ以下累积降水的气候预报概率为５０－６０％。     

月降水量的神经网络混合预报模型研究

以均生函数表征预报量自身周期变化，结合500hPa月平均高度场和月平均海温场预报因子，采用神经网络方法建立了一种新的短期气候预报模型。分别以广西桂北、桂中和桂南6月降水量作为预报对象进行预报试验，结果表明，这种新的预报方法比均生函数回归预报模型及高度场、海温场预报因子的回归预报模型，具有更好的物理基础和预报能力。     

用非线性映象法作钦州市月降水量预报的研究

选取反映大气环流作用的500hPa的三个因子场:1956～2001年环流特征量、振幅和位相资料作为预报因子与钦州市1957～2002年5月降水量求相关比,将求得的高相关比因子用非线性映象法制作钦州市1995～2002年5月的降水量预报,试报效果明显。     

NINO3.4指数的多模式集合预报方法

基于贝叶斯模式平均方法(Bayesian Model Averaging),发展了一个NINO3.4指数的多模式客观权重集合预报方法(简称OBJ)。该方法基于训练期内单个模式的预报结果,用线性回归订正单个预报的偏差,依据模式的预报效果估计单个模式的权重。利用2002年2月—2015年10月美国哥伦比亚大学国际气候与社会研究所(IRI)提供的7个单一模式对NINO3.4指数的预报结果进行OBJ试验,并采用均方根误差对多模式集合平均预报(简称ENS)和OBJ的预报结果进行检验和评估。结果表明,ENS的预报效果优于7个单一模式的预报效果,而OBJ预报效果优于ENS预报效果,其NINO3.4指数的均方根误差比ENS方法降低了4%。将单一模式预报结果按时间划分为训练期和预报期,利用独立样本估计OBJ的参数并进行预报试验,这些试验也表明,OBJ能进一步提高预报精度。      

环太湖地区汛期降水量与太湖水位的关系

本文利用环太湖地区站点的月降水资料,用曲面拟合方法作客观分 析,与太湖水位进行相关性研究。用环太湖地区的当月降水量建立下个月太湖水位 的预报方程。     

区域站降水量在汉中地质灾害预报中的应用

通过对汉中2000—2008年地质灾害个例和气象站、区域站降水量统计分析,建立以前期雨量和当日雨量为综合判别指标的地质灾害预报模型。用工具软件VB 6.0、Serfur8.0开发了汉中地质灾害预报系统,自动读取区域站降水量并显示,随时监测地质灾害重点隐患区的降水情况;用前期雨量、未来24 h预报雨量和各县的逐日降水影响系数,计算地质灾害发生气象条件等级,制作汉中地质灾害气象等级预报。